目前现有的人脸识别算法寻求最高的正确识别率，且假设所有的错误分类具有相同的错分代价，但此假设在现实的人脸识别系统中往往不成立。为此，提出一种基于代价敏感（Cost-Sensitive）主成分分析的人脸识别方法，该方法在主成分分析理论中引入一个代价敏感函数，将不同错误识别所造成的损失进行分类划分，以确定不同的损失代价，实现更精确的人脸识别。在AR、FERET和UMIST人脸数据集上的实验结果表明，与经典的基于子空间的人脸识别方法相比，提出的方法以最少的代价达到了较高的k最近邻分类识别精度。