人脸识别技术涉及多个学科内容，其中包括图像处理、模式识别、神经网络及计算机视觉等，它是模式识别和人工智能领域的一个前沿课题，具有重要的研究价值。其研究成果已可广泛应用于视频监控、身份识别验证、银行密码系统、门禁系统等场合中。　　本文针对人脸识别问题，具体开展了如下几个方面的研究工作：　　首先对人脸识别的发展、特点、实现原理和主要应用领域等进行了概述，总结了当前人脸识别的研究现状及研究意义，引出课题的难点。　　其次对人脸识别与人脸检测的基本原理及类型进行了阐述，按照人脸识别与人脸检测的不同目的，着重讨论了一些经典的人脸识别算法和人脸检测算法。同时考虑到小波变换在图像处理方面的强大优势，详细介绍了连续小波变换和离散小波变换的原理及性质，并对一些小波基进行了分析。　　然后从主成分分析（PCA）在人脸识别上的成熟理论出发，对PCA的原理及算法实现过程进行了详细的阐述，考虑到应用PCA解决问题时需注意的几个问题，本文也进行了仔细的分析讨论。　　最后针对基于PCA的人脸识别算法存在的一些弊端，本文先介绍了二维主成分分析法（2DPCA）算法，并对其原理和实现过程进行了阐述。然而，2DPCA在表征图像时，它需要比PCA更多的系数。在人脸识别过程中，针对2DPCA算法在特征提取和数据降维上存在的问题，本文引入了双向二维主成分分析（2D2DPCA）算法，该算法同时考虑图像行与列方向上的信息。考虑到人脸图像存在信息冗余而影响识别率的问题，于是本文提出一种基于小波加权双向二维主成分分析（WT-W2D2DPCA）的人脸识别算法。该算法首先采用二级小波分解对人脸图像进行预处理，提取其低频部分；然后根据人脸图像的特性，将低频部分进行奇偶分解，并引入加权思想，重组低频人脸图像，最后在ORL人脸数据库上进行双向二维主成分分析。实验结果表明，该方法不仅克服了传统2DPCA系数矩阵大的问题，而且得到了比传统的2DPCA、2D2DPCA算法更好的识别效果。