现代科学技术日新月异的发展，对人的身份进行识别已经成为一种趋势，人脸识别技术起着越来越重要的作用，因为人脸识别技术具有可靠和更加方便等优点，它在识别领域中是重要的组成部分，本文在现有人脸识别技术研究的基础上，进一步对人脸识别系统的主要几个阶段进入深入的研究，以能够很好将图像进行分类。本文主要的工作集中在以下几个方面：人脸图像的预处理研究、特征提取以及分类识别算法的研究。首先，本文采用了图像归一化和小波变换方法对人脸图像进行预处理，研究了小波变换中的分解层数和小波基函数的选择对于识别率的影响，改善了传统方法中特征量数目庞大和光照敏感影响等缺陷。对预处理后的人脸图像要做特征选择及提取，在特征提取算法上，对二维主成分分析和改进的二维主成分分析(2DPCA)算法进行了研究，并对不同的算法在图像维数和识别率等方面进行了比较，以得到人脸图像识别的最佳预处理和特征提取方法。其次，本文对人脸识别中的分类算法进行了大量研究，分析了支持向量机和相关向量机两种多分类算法的基础理论，阐述了这两种算法在人脸识别中的训练步骤和识别方式，通过理论分析和测试，最终选取了向量机中具有较高精度和鲁棒性的“一对一”型分类方式。最后，本文分别在ORL和Yale人脸图像库上进行仿真实验，分析了不同人脸库中训练集个数对于识别率的影响，验证了应用小波变换和改进的二维主成分分析方法做人脸图像预处理和特征提取的有效性。通过在不同人脸库的对比分析可知，采用相关向量机方法来进行人脸分类识别具有较高的识别率和更好的鲁棒性。