人脸识别是一种被应用广泛的生物识别技术,相比较基于指纹、虹膜等生物特征的生物识别方法来说,基于人脸的生物识别方法更加方便、友好和隐蔽,因此人脸识别技术越来越被广泛的应用在人们的生产和生活中。在某些特殊的场合,比如公安追踪逃犯时的识别过程中,除了识别准确率之外,识别的速度也非常重要,所以本文主要目的是在保证一定的识别准确率的同时,加快人脸识别速度。在比较和分析了传统的人脸识别技术的优缺点之后,本文提出了一种快速傅立叶变换和奇异值分解法结合的人脸识别技术。首先,将训练样本做预处理后,再从空域转换到频域,用频域的幅值作为人脸在频域的特征表示。其次,将经过快速傅立叶变换和降维后的训练图像的均值做奇异值分解,取出行和列两个方向的人脸特征作为特征空间。最后,将训练样本和测试样本均投影到特征空间,利用欧式距离做分类识别。在整个过程当中,加快识别速度的方面主要体现在:第一,在转换到频域的过程中,快速傅立叶变换除了拥有传统的DCT变换所具备的能量集中以便于降维的优良性质外,还可以利用周期性以及半周期性等快速傅立叶变换所特有的性质进一步加快人脸图像空域转频域的速度;第二,奇异值分解是直接作用在二维图像矩阵上的,而主成份分析法是在先图像做拉伸,再计算协方差矩阵,然后基于协方差矩阵做正交变换,所以奇异值分解作用矩阵大小比主成份分析法更小,所以在提取特征时奇异值分解在速度方面上有着明显的优势。本次研究采用的数据是ORL和Yale人脸数据库。在实验阶段,改变不同的参数比较这几种方法的识别速度和识别准确率,经过对实验结果的分析,基于快速傅立叶变换和奇异值分解法结合的人脸识别技术在保证一定的识别准确率的情况下,识别速度有着明显的提高,并且对于光照、噪声以及人脸的姿态变换等都有一定的鲁棒性。