人脸识别是当前模式识别和计算机视觉领域的一个热门研究课题，逐渐成为模式识别和图像处理等学科的一个研究热点，广泛应用于门禁、刑侦破案、安全监控和医学等方面。人脸识别是一个涉及很多领域和学科的重要研究课题。由于人脸识别问题的本质，不仅计算机科学家对它感兴趣，神经学家和心理学家也同样对人脸识别有浓厚的兴趣。与传统的身份鉴别方法如标识号码、IC卡等不同，人脸识别具有更好的安全性、可靠性和有效性，越来越受到人们的重视。由于人脸图像的特殊性，人脸识别问题也是模式识别领域的一个相当困难的问题，要使这一技术成为完全成熟的技术还有许多工作需要去做。主成分分析(PrincipalComponent Analysis, PCA)方法作为最成功的线性鉴别方法之一，目前仍然被广泛应用于人脸等图像领域，但是传统的PCA方法由于提取的是图像的全局特征，因此容易受光照条件和人脸表情变化大的影响，造成识别效果不好。本文把PCA方法和其它的图像预处理方法结合起来，明显的改善了人脸识别率。本文介绍了人脸识别的背景、研究范围以及方法，对人脸识别领域的一些理论方法作了总体的介绍。介绍了小波变换(Wavelet transform, WT)和离散余弦变换(Discrete Cosine Transform, DCT)的原理，以及它们在人脸识别方面的应用。本文的主要内容以及创新点主要表现在以下几个方面：(1)深入研究了PCA算法和DCT的原理，提出把PCA和DCT结合起来一起用于人脸识别，并通过实验验证，与只用PCA方法相比，该方法可以提高人脸识别率。(2)深入研究了支持向量机(Support Vector Machine, SVM)的原理，提出了一种新的基于WT+PCA+SVM的人脸识别新方法。实验证明，跟单纯的利用PCA和距离分类器方法相比该方法可以明显的提高人脸识别率。