计算机人脸识别技术是指利用计算机对人脸图像进行分析,进而从中提取出有效的识别信息,用来“辨认”身份的一门技术。人脸识别技术具有广泛的使用背景,无论是公安系统的罪犯身份识别、护照与本人的核对、还是银行或者海关的监控系统以及自动门卫系统都可以有效地使用人脸识别技术。尤其在美国经历了“911”恐怖事件之后,计算机人脸识别技术更加得到的人们的重视。人脸识别技术主要包括两个方面的内容,首先是人脸特征的提取和压缩,其次是与人脸特征相配合的模式分类器的构造。本文主要研究了人脸识别中一些特征提取算法以及不同分类算法与不同特征分类器相组合,构造出不同的人脸识别系统,并且做了相应的比较。在人脸特征的提取和压缩阶段,我们将其分为人脸图像的预处理和特征提取两个部分。在预处理阶段,主要利用像素平均法以及分数阶傅立叶变换,利用像素平均法来降维,用分数傅立叶变换得到变换域的特征;结果表明:在分数傅立叶变换中,当取α= π/2时,也就是取傅氏变换的时候,可以得到更优的结果。在特征提取阶段,主要采用基于主元分析(PCA)的特征子空间方法提取本征脸(Eigenface)或本征谱(Eigenspectra),并且介绍了小波变换的原理,以及小波变换在人脸图像识别中的应用。在分类器的设计阶段,主要利用基于统计识别理论的支持向量机,并且采用多类别的支持向量分类器作为我们人脸识别的分类器。最后,以Olivetti Research Laboratory 人脸数据库对算法进行了验证。