Pengenalan wajah yaitu membandingkan citra masukan dengan suatu database wajah dan menemukan wajah yang paling sesuai dengan masukan citra tersebut. Beberapa pendekatan untuk pengenalan objek dan grafika komputer didasarkan secara langsung pada citra-citra tanpa penggunaan model 3D. Karena dimensi piksel hasil transformasi berukuran besar kemudian dilakukan reduksi dimensi dengan menggunakan analisis komponen utama (Principal Component Analysis) yang juga dikenal dengan metode eigenfaces. Setelah citra pelatihan diolah maka akan dicari nilai rata-ratanya. Dengan penghitungan dari sampel training set akan diperoleh eigenfaces dengan nilai tertinggi. Citra untuk pengujian berupa citra wajah dan bukan wajah yang sebagian merupakan data citra pelatihan, jumlah data uji sebanyak 40 citra yang terdiri  dari 35 citra wajah dan 5 citra bukan wajah. Pengukuran jarak euclid (Euclidean Distance) akan menghasilkan nilai maksimum dan minimum, sehingga dapat diperoleh output berupa wajah yang dikenali dan tidak dikenali. Dari hasil penelitian didapatkan bahwa persentase ketepatan pengenalan wajah pada konfigurasi optimum dari principle component analysis (PCA), menunjukkan hasil yang memuaskan. False positive ratenya menunjukkan angka yang kecil, yakni sebesar 0.125%.