特征提取是人脸识别中的最基本的研究工作之一,其本质是将高维原始数据投影到更有利于分析的低维空间中。特征提取的经典算法有主分量分析方法,局部保持投影和边界费舍儿方法等,其中子空间方法计算简单,有效,因而得到广泛应用,而流形学习正是子空间方法常采用的一种发掘数据内蕴结构的方法。本文在分析和总结人脸特征提取技术的研究现状及发展趋势的基础上,针对流形学习方法对人脸特征提取技术进行了深入系统地研究。本文给出了三种特人脸征提取算法:1.在邻域保持嵌入算法的基础上,提出鉴别邻域保持算法,并将其正交化,既考虑类间结构又考虑类内结构,尽可能的保证数据间的几何关系和距离测度不变,这样有利于分类,能够提高算法的识别精度和时间效率。2.局部边缘准则算法。在构造邻接图时,只将在邻域内部分同类点作为邻近点,在邻域内的部分异类点作为非邻近点,从而在降低算法的计算复杂性的同时,也能够形成高效的聚簇。3.统计不相关位置保持投影。这种投影方法获得的映射是线性的,因此能够保持并体现数据集线性结构,并且计算方便,快捷。具有高维数据内蕴特征或非线性结构的自动发现功能。以上三种算法的可行性和有效性通过在多个人脸库上进行的大量实验均得以验证。