人脸识别技术是模式识别、人工智能及计算机视觉中的重要的研究课题,在门禁系统、国防安全、金融、银行等领域有广泛的发展前景。经过几十年的研究,很多人脸识别的算法在一定的条件下能够得到很好的应用,但是由于光照、遮挡等因素的存在,使得人脸识别率会下降。在人脸识别智能门禁系统中,人脸识别性能的好坏,直接影响门禁系统的性能,研究表明,光照问题是影响人脸识别性能的重要因素。本文针对人脸特征提取和光照处理的一些算法进行了研究,并对某些算法提出了改进。本文的主要工作如下：首先,本文介绍了门禁系统中人脸识别研究的背景和意义,概括了人脸识别及门禁系统的发展现状,阐述了门禁系统中人脸识别技术的一些难点,总结了人脸识别理论中的一些基本的算法,并对某些算法给出了仿真结果。其次,本文研究了基于PCA和LDA两种特征提取的算法,虽然这两种算法能够较好的对人脸进行特征提取,但是基于PCA的算法只考虑了人脸的整体分布,而没有考虑人脸的鉴别性特征,而基于LDA算法却存在降维和小样本的问题。为了解决这些问题,本文提出了一种基于PCA与LDA相结合的改进算法,即首先利用PCA对高维空间中的数据进行降维,然后在降维后的子空间中求取投影矩阵,从而提高人脸的识别率。实验表明,基于PCA+LDA改进的算法比传统PCA算法与LDA算法具有更高的识别率。最后,针对光照对人脸识别的影响,本文首先介绍了光照处理中的一些常用的算法,重点阐述了基于光照不变特征的3种算法：基于Retinex理论的算法、商图像法、自商图像法。实验发现,当图像中不存在特殊亮区时,自商图像法能取得较好的识别结果,反之当图像中存在特殊亮区时,自商图像法的识别率会降低。为了提高人脸识别率,本文提出了一种改进的自商图像法,通过实验对几种算法的识别率进行比对可看出,改进的自商图像法具有更好的识别效果。