随着信息技术的高速发展，人脸识别技术已成为模式识别领域的一个重要组成部分，对身份识别认证有着非常重要的作用。人脸识别拥有更安全、更可靠和更有效的优点，已被应用到很多领域。人脸识别主要由人脸检测，图像预处理，特征提取和分类识别四部分组成。本文研究所用的图像均是包含人脸的图像，不需要进行人脸检测。本文的图像预处理工作采用了尺度归一化和灰度归一化方法。特征提取过程中首先利用小波变换进行人脸主要信息的提取，然后采用PCA方法提取人脸图像的全局特征，整个过程既有效提取了人脸的主要特征，又降低了图像维数，还可去除部分干扰信息。在分类识别阶段，本文提出了基于相关向量机(Relevance Vector Machine, RVM)算法的多分类器，并对“一对一”多分类方法进行了改进。相关向量机是2000年由Micnacl E. Tipping最早提出的一种机器学习算法，该方法基于贝叶斯估计理论，适用于回归和分类问题，具有良好的泛化性能和推广能力。自诞生之日起，RVM算法就得到了很多研究者的关注，相关研究越来越多。最后，本文在ORL人脸图像库上验证了应用RVM算法进行人脸识别可以获得高于SVM人脸识别的识别率，并有更好的鲁棒性；在自建的人脸图像库上验证了基于RVM算法的人脸识别同样适用于自建的亚洲人脸图像库；在组合的人脸图像库上应用改进的RVM多分类器验证了改进的多分类算法可以提高人脸识别的速度。