随着多媒体技术和智能化信息技术的发展，越来越多的人们开始关注身份验证的有效性及方便性。在众多的身份验证手段中，生物特征认证方式因其独特的优势受到国内外学者的青睐。而人脸识别技术以其更直接、方便、易被用户接受等特点在诸多的生物特征识别技术中脱颖而出，成为生物识别技术领域较热门的研究课题。人脸识别技术在公共安全、访问权限控制、人机交互系统等诸多领域都有广泛的应用前景。人脸识别系统主要包括人脸检测、特征提取和人脸识别三个部分。本文在对人脸识别系统的各部分内容做了详细的研究后，做了以下三方面的工作：(1)对给定的彩色图像进行人脸检测，如果图像中存在人脸，那么标示出彩色图像中的人脸部分。本文采用的是基于肤色的人脸检测算法。建立一个基于非线性变换后的YCbCr色彩空间的肤色模型，利用这个肤色模型对待检测的彩色图像进行肤色分割，得到一个二值化图像，然后再针对二值化图像对人脸区域进行分割，将分割出的人脸部分用矩形框标示出来。(2)研究了Gabor变换的特点及其应用在特征提取方面的优势，将2DGabor变换应用到人脸图像的特征提取中，本文选取了5个不同尺度和8个不同方向的Gabor滤波器对人脸图像进行特征提取。人脸图像与Gabor滤波器卷积的结果表明得到的特征图像能够很好地反应图像的局部特征分布。由于特征提取后的图像维数仍然很高，采用2DPCA算法对特征图像做进一步的降维。(3)研究了支持向量机理论，提出了将有向无环图支持向量机应用到人脸识别中。有向无环图结构的基本思想就是将多分类问题转化成多个二分类问题。本文使用ORL人脸库中人脸图像的特征图像组成训练样本集和测试样本集，用训练集构造有向无环图支持向量机，并用测试集对支持向量机进行识别率的测试。实验结果表明，有向无环图支持向量机的识别率高于最近邻分类器，也就是说将有向无环图支持向量机用于人脸识别中是可行的，并且识别效果较好。