人脸识别由于其可应用范围的广泛引起了越来越多的关注,然而由于人脸结构、模式的特殊性,以及光照等外界因素的影响的多样性与复杂性,决定了人脸识别是一个极具挑战性的课题。本文通过查阅大量文献,深入学习研究了经典的PCA算法以及LBP算法等几种顶级人脸特征提取算法。传统的PCA算法可用于提取人脸的全局特征并考虑了样本之间的模式关系,但缺少对人脸局部信息的刻画;LBP从像素、图像子区域、图像整体的联合直方图三个不同的级别上描述人脸,其特征具有抗光照影响、旋转不变性和计算简便、效率高等特点。LBP方法本质上提取的是图像边缘、角点等局部变化特征,然而图像的边缘、角点等特征具有方向性,边缘、角点的方向性包含了许多人脸的细节信息,而LBP算子在特征提取时对方向性的考虑不足,导致了这些细节信息的丢失。针对LBP算子在进行特征提取时对纹理的方向信息提取不足,提出了一种多方向LBP算法,增强了对边缘、角点等的方向信息的描述能力。在ORL人脸库上的实验也表明了本文算法的有效性。基于本文提出的算法,结合PCA与岭回归分类器,本文采用VC++6.0以及OpenCV实现了一个实时视频人脸识别系统。该系统具有对输入的视频进行实时人脸检测,并对检测到的人脸进行实时特征提取与识别的功能,该系统为我们以后进一步开发更具实用性的人脸识别系统提供了参考和技术储备。