生物识别技术是指计算机与物理学、生态学和生物统计学等密切结合,将人体固有的生理特性如指纹、人脸、虹膜等和行为特征如声音、步态等建模,最后利用这些模型进行个人身份鉴定。人脸识别特指利用计算机针对人脸图像进行分析比对的技术,是生物识别技术的一个重要领域,是基于人的脸部特征信息进行身份识别的一种生物识别技术。从采集到的含有人脸的图像中自动检测出人脸位置,进而将检测到的人脸图像进行一系列相关技术处理,通常也称作人像识别或面部识别。科技的发展与进步对人脸识别的需求越来越高,人脸识别在技术和实用层面受到了极大重视与发展。本文的人脸识别系统设计步骤为:首先使用摄像机获取图像并对获取的图像进行图像预处理操作,包括图像滤波和图像增强。使原始图像的成像更加均匀;然后使用基于形状特征的人脸检测技术将图像中的人脸检测出来并标定出人脸的位置;最后提取人脸特征进行匹配识别。由于在实际应用中摄像机与人的距离有远有近,导致拍摄出的图像中人脸的大小会不同,这也就使标定出的人脸图像尺度不一定相同,人脸图像尺度不同会给人脸识别造成一定影响,所以针对这个问题本文提出了一种解决方案即将离散余弦变换与主成分分析法相结合的方法用于解决不同尺度人脸图像的识别问题。一般来说,经过离散余弦变换后的图像其图像能量都集中在了离散余弦变换域图像的左上角。保留左上角的低频信息,适当舍去右下角的高频信息,使不同尺度的人脸图像具有了相同的DCT系数,使不同尺度的人脸图像具有了相同尺度。将提取出相同维数的离散余弦变换系数矩阵,用以表示原始人脸图像,这样就使原来图像尺度不统一的问题得到解决。而在实际研究中通常希望用少数几个变量来代表原始数据中大部分的变量,而这几个变量就是主成分,利用主成分分析法对图像进行降维,使用一定数量的主成分数来代替原始数据,这样就使图像的特征维数得以下降。随后使用模值归一化的方法对图像进行匹配识别,其主要思想是使用向量之间夹角余弦值的几何意义来判定图像之间的相似度。用实验对所提出方法的有效性进行验证,首先固定主成分数,改变离散余弦变换系数来验证离散余弦变换系数对识别率的影响;再固定离散余弦变换系数,改变主成分数,来验证主成分数对识别率的影响,最后测算出了最低有效参数。