本文以人脸识别技术为纽带,将统计学思想与人工智能相结合。首先,将统计学中的PCA方法融入到人脸识别技术中,充分利用其降维的思想,构造特征脸空间,最终达到高效识别的目的。然后,将现有的局部二值模式(LBP)方法引入,作为常规对比项。同时,在现有的核主成分分析(KPCA)以及支持向量机(SVM)的基础上,将两者优势互补,即将KPCA提取的特征标记作为SVM的输入,进行二分类,再对待测图片进行预测,充分体现了聚类分析的思想,进一步加快人脸识别的检索速度,最终达到了1+1>2的效果,这就是本文重点提出的KPCA+SVM方法。最后,通过仿真实验的方法,将PCA、LBP、KPCA+SVM三种方法进行性能比较。相对于PCA方法,KPCA+SVM方法有效地提高了识别准确率以及识别效率,然而与LBP方法相比较,识别准确率仍然是其需要改进的关键点。也是我日后需要重点研究的方向整个系统在MATLAB软件上实现,并设计了图形用户界面(GUI)来完成系统的整体功能。