얼굴인식은 패턴인식 분야에서 중요한 어플리케이션뿐만 아니라 가장 어려운 문제이다. 커널 주성분분석(KPCA) 알고리즘은 특징추출의 속도가 빠르고, 특정 정보를 충분하게 보유하는 장점을 가지고 서포트 벡터머신(SVMs)은 통계학습이론에 기반한 새로운 기계학습방법이고 분류, 회귀 또는 노벨티 탐지 관련 학습에서 갈수록 인기가 있는 도구가 되고 있다. 본 논문에서는 먼저 커널 주성분분석(KPCA)을 이용하여 얼굴영상을 특징추출하고 SVM를 이용하여 SVM 모델을 훈련하고 테스트 영상을 식별한다. 제안한 기법의 성능을 평가하기 위하여 영국 Cambridge에 있는 AT&T연구소에서 제공하는 ORL(Olivetti Research Laboratory) 데이터베이스와 The Yale Face Database B를 가지고 실험을 하였다. 실험결과, 제안된 방법이 KPCA방법과 SVM의 혼합방법은 PCA와 SVM의 혼합방법에 비해 검색률이 우수함을 알 수 있었다.Face recognition(FR) is an important application and also is one of the most difficult problems in pattern recognition domain. Kernel Principal Component(KPCA) Algorithm has the characteristics of feature extraction rapidity and sufficient feature information reservation. Support Vector Machines(SVMs) is a new machine learning method based on statistical learning theory and has become an increasingly popular tool for machine learning tasks involving classification, regression or novelty detection. In this paper, used KPCA to extract feature, and SVMs model is trained, and identification of test images is realized. We have experimented using ORL database offered by AT&T laboratory in Cambridge, UK. and The Yale Face Database B to evaluate the performance of the proposed algorithm. Test on faces database shows that the combination of the two theories(KPCA/SVM) gains higher identification rate.