人脸识别具有广泛的应用价值与研究意义，成为当今计算机视觉及生物识别领域的研究热点之一。人脸识别包括特征提取与分类。目前最常用的特征提取方法有子空间分析法，弹性图匹配法，最流行的分类法有最近邻、SVM、稀疏表示分类法。本文在2DGabor小波理论与稀疏保留投影算法的基础上对人脸识别进行了研究，本文的研究工作如下：（1）研究了稀疏保留投影算法SPP，该算法通过保持样本间的全局稀疏重构关系对高维空间中的样本数据进行降维，在Yale、AR和Extended Yale B人脸库上取得了较好的实验结果，但是此算法不能很好地保持样本的局部邻域信息，没有充分利用样本的类信息。针对此不足，本文在稀疏保留投影算法的基础上对降维算法进行了改进，提出了局部流形保持的稀疏保留投影算法LSPP，在稀疏保留投影算法中引入了LPP算法的思想，通过保持同类样本数据的近邻关系对原始高维样本数据进行降维，在ORL人脸数据库上的实验证明了该算法的有效性。（2）提出了2DGabor小波与改进的稀疏保留投影算法相结合的GLSPP特征提取算法。当同类人脸图像所受光照、姿态、表情差异较大时，稀疏表示类算法对人脸图像进行特征提取时不能消除这些因素的影响，2DGabor小波能够克服这些因素的影响，能够提取人脸图像的不变信息。GLSPP首先用2DGabor小波对人脸图像进行特征提取，然后用改进的稀疏保留投影算法进行降维，最后用最近邻分类器分类。实验证明，该算法提高了人脸识别率。（3）研究了在不同的训练样本数下，本文的GLSPP算法与PCA、SPP、LSPP在ORL人脸数据库上的比较实验，实验结果表明，该算法的识别性能优于其它三种算法。