人脸识别技术作为生物特征识别技术的主流技术之一,是国内外研究和应用的热点。自动人脸识别系统主要由以下四个部分组成:人脸检测、图像预处理、特征提取和分类识别。本文的研究重点放在人脸图像特征提取和识别。本文首先对核主成分分析和支持向量机理论基础进行了讨论。核主成分分析是利用了在支持向量机用到的核函数对数据进行升维的思想,在特征空间进行特征提取,然后再进行降维,能有效利用数据的高阶信息,较主成分分析方法具有很大的有优越性;SVM是在统计学习理论基础上发展起来的新的学习方法,具有完备的理论基础和出色的学习性能,成为机器学习界的研究热点。两种理论的结合,为人脸识别提供了强大的理论支持。从原始人脸图像和差空间人脸图像提取的核主分量特征具有很强的互补性,因此,本文采用了一种串行融合方法,并基于该方法提出了一种新的融合参数选取算法,通过算法自动寻找最佳融合参数,然后利用融合参数将从原始人脸图像和差空间人脸图像提取的两种核主成分特征进行融合,从而得到一个有利于分类识别的融合特征。最后通过支持向量机分类器进行分类识别验证,结果表明:和融合前两种核主成分特征以及简单融合(融合参数为1)得来的组合特征相比,通过本文算法所得的融合特征取得了最高的最优识别率和平均识别率。证明了该融合参数选取算法的有效性。