人脸识别技术起源于20世纪初,它在图像处理,机器视觉和模式识别领域始终都是热门的研究课题。人脸识别作为模式识别领域的一个重要分支,在实际应用中如公安侦查、银行取款、电脑登陆、手机通讯、公司门禁等方面有着举足轻重的作用,它又涉及多分类问题,因此在学术领域中发展前景较好。本文在阐述人脸识别,曲波变换,子空间技术和支持向量机的相关理论和方法的基础上,有机结合各个算法的优点,对人脸识别技术展开研究。论文的研究内容和创新点如下：1、针对采集到的人脸图像受光照、姿态、面部遮挡、表情变化等因素的影响,本文对人脸图像采取了预处理手段,包括灰度变换、直方图均衡化、中值滤波,图像归一化等,并进行精确的人眼定位,提取出人脸的有效区域。2、针对PCA算法不能处理图像数据中的非线性特征问题,经过分析研究,提出了核主成成分分析(KPCA)算法。KPCA算法通过内部非线性核函数作用,能很好的提取人脸的轮廓,曲线细节信息。支持向量机(SVM)对小样本的分类能力比较强,适用于处理非线性和高维度特征向量,把KPCA和SVM这两个算法共同用在人脸识别之中。对人脸图像进行曲波变换,首先运用KPCA算法对低频系数进行特征提取,得到维数较低的向量。在人脸识别中,选用支持向量机(SVM)算法,其中采用‘’one-vs-one"判别策略,进行分类识别。3、针对传统的曲波分解算法不能充分利用其细尺度成分信息,经过分析研究,提出了数据融合算法。数据融合算法能够将图像经曲波分解后的各尺度成分信息按照一定比例融合起来,充分利用曲波各个尺度含有的人脸特征信息。然后,将经曲波变换后的各尺度人脸图像经PCA降维以后,运用数据融合算法进行加权融合,并用最近邻算法进行分类。