生物特征识别是一项利用人类特有的生理或行为特征来进行身份识别的技术，它提供了一种高可靠性、高稳定性的身份鉴别途径。它不仅广泛应用于国家安全、公安、司法、政府、金融、商业、安检、保安等身份鉴别系统，而且还可以应用于人机接口、可视通讯等领域。这其中，利用人脸特征又是最自然的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于为用户接受。 人脸识别技术是计算机模式识别领域非常活跃的研究课题，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，要使这一技术完全成熟至实际应用还有很多工作需要去做。人脸识别可分为人脸检测、特征提取以及分类识别三大部分，人脸图像的特征抽取是人脸识别技术的最关键问题。 本文首先介绍了人脸识别技术的研究背景和人脸特征提取与识别的主要方法，并分析各算法的优缺点，然后提出了一种基于小波分析的人脸特征提取与识别算法。 在最近几年，小波变换在图像分析中已经成为一个非常强有力的工具。实际上，小波变换是把信号用一种不同尺度的融通滤波器进行滤波，将信号分解到不同的频带上，再进行分析处理。小波变换具有良好的时频域局部性能的优点已经被许多文章讨论过。小波变换也常被人用于人脸识别，其主要原因为：1)通过小波分解图像后，不同方向子图的分辨率减少，计算复杂度就相应减少。2)小波分解在空域和频域都提供了良好的局部信息。用小波对人脸图像进行适当层数的分解，不仅大大加快了图像的后续处理的速度，而且实验证明可一定程度地提高识别率。 因此，本文提出一种利用小波分析提取人脸特征的方法。在算法中，首先对人脸图像做小波分解，用网格划分其子图像，在各子块上提取方向向量，子块方差、均值作为特征向量，减少了向量维数。用这种方法获取的统计特征包含边缘信息，也包含纹理信息，有很强的分类能力。然后用所提取的人脸特征向量训练多分类支持向量机(SVM)模型，最后用训练好的支持向量机进行人脸识别。利用ORL人脸库对该算法的实验测试结果，以及与PCA算法的比较结果表明了该算法在识别性能方面的优越性。