人脸识别是生物特征识别的一个重要分支，也是计算机视觉与模式识别领域非常活跃的研究方向。利用人脸特征是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于被用户接受。该项技术在公安和安全部门有着广泛的应用前景，例如搜索罪犯、动态监视、银行密码系统等。　　 本文分别在特征提取和分类识别两个方面对人脸识别进行研究的基础上，提出了小波变换和支持向量机结合的人脸识别方法。　　 小波变换具有通过变换能够充分突出问题某些方面特征的主要特点，而Gabor小波可以提供多精度、多通道表现图像空间频率特性的机制，更好地反映了生物视觉神经的感受野，因而选择Gabor小波变换作为特征提取方法是合理之举。针对Gabor小波变换后特征空间维数高，计算量大的问题，本文提出了一种基于Gabor小波变换和改进的Fisher降维的特征提取方法，可以有效的利用了零特征值对应的特征向量信息，从而提高了识别率。　　 在支持向量机分类器方面，针对有的核函数拟合性能较好，有的核函数泛化性能较好，但两者不能同时兼具的问题，本文通过把传统的具有良好的全局作用的多项式核和具有较强的局部作用的径向基核进行线性组合，设计了一种拟合性能和泛化性能适当平衡、兼具良好的内推和外推能力的混合核函数，用于非线性学习过程的人脸分类识别。这种混合核SVM分类器具有比传统的分类器更好的分类效果。　　 在ORL人脸库中进行仿真实验，改进的Gabor小波变换与混合核函数SVM识别率达到98.3％，与传统方法相比有了较大的提高，证明了该方法的有效性。