人脸识别(FaceRecognition)技术是数字监视系统的核心技术，具有重要学术价值与广阔的应用前景。 实现了基于统计的三种人脸识别方法—特征脸、Fisher脸和奇异值分解。并在三个标准人脸库上进行了比较，对前人的一些结论进行了验证。 提出基于小波域奇异值分解的人脸识别方法。光照、姿态、表情的变化是影响人脸识别率的重要因素，如何消除这些因素的影响是值得研究的具有挑战性的课题。奇异值分解是一种有效的基于代数特征的人脸识别方法，但其对光照、姿态、表情变化的鲁棒性仍然不强。通过分析小波分解近似与各细节系数分别对光照、姿态、表情变化所表现出来的特性，选择不同系数的组合进行奇异值分解，提高了光照、姿态、表情变化等情况下人脸识别的鲁棒性。 提出基于2DPCA的二次2DPCA人脸识别方法。2DPCA方法虽然较PCA方法提高了人脸识别率，但是其特征向量占用了过多的存储空间。因此提出二次2DPCA方法，该方法可以达到2DPCA的识别率，但大大节省了存储空间。