随着科技的不断发展,信息安全的重要性日益凸显。以前只靠ID卡和密码储存信息的方式已经不能满足我们的要求。于是,在国际化的大背景下,人脸识别应运而生。人脸识别解决了各种证件携带麻烦、易丢失的缺点,也解决了密码口令记不住、易被破解的麻烦,从而在短短的几十年就成为专家学者们研究的热点。本文旨在对基于主成分分析的人脸识别算法做改进。我们在分析了之前有关主成分分析的算法后,提出了一种新的算法,新算法希望在比较低的特征维数下获得更高的识别率,并且能在一定程度上提高算法的运行效率。最后新算法分别在灰度人脸图像库和彩色人脸图像库上做了相应的实验,均获得了比较好的结果。本文的具体内容如下：1.本文首先简单介绍了国内外常见人脸识别方法及其优缺点,对人脸识别的研究做了总体的概括。2.本文回顾了PCA算法的思想、原理和基本步骤,以及基于PCA算法而产生的改进算法2DPCA算法、C2DPCA算法、CS2DPCA算法的优缺点以及基本步骤,使读者对主成分分析算法有一个比较清楚的了解。3.本文基于前几种算法提出了CSM2DPCA算法,新算法在保留了原有算法镜像图像的基础上,又加入了奇偶平均脸图像,对人脸数据阵做了中心化处理,对CS2D PCA算法的协方差矩阵做了改进。4.灰度图像和彩色图像的视觉效果不同,体现在数据上,彩色图像比灰度图像多了一个数据维度。于是我们对CSM2DPC A算法做了修改,使之可以应用在彩色人脸数据库上。