人脸识别是最近几年国际上图像处理和模式识别的研究热点之一。它有着其它生物特征识别方法所不具有的优点，已经得到了科研领域的充分重视并有了一定的应用成果。 本文讨论了Gabor特征在人脸识别中的应用以及人脸识别实验平台的构造。首先介绍了人脸识别的基本概念，论述了Gabor小波的数学性质和使用Gabor小波提取人脸特征向量的方法。我们提出并实现了扩展的Gabor小波最优采样算法。该算法结合图像掩盖、能量分析和关键点选取的方法确定了哪些图像区域对于识别有利，而后使用最佳Gabor特征采样来提取出最有效的信息并改进了算法的性能。论文中根据匹配中遇到的问题给出了相应的改进方案，部分消除了低质量输入图像对算法的影响。实验结果在标准FERET数据库上进行了测试，并与其它方法进行了比较。从实验结果可以看到，论文中提出的算法较之一般的小波识别算法优越。 论文中的另一个重点是人脸识别实验平台的设计和实现。这个平台使得我们的所有研究工作拥有了一个统一的算法实现和测试的环境。该平台为研究人员提供了一套实验环境和工具以及算法的集成。在设计各个算法的时候遵循了本算法平台的应用程序设计接口，使用公用接口把各个不同的算法作为平台的组件加以实现。所有和数据生成和数据的输入输出、结果显示与分析等有关工作都是由实验平台统一完成的。该实验平台同时还具有二次开发和增量开发的功能，能够方便科研人员按照自身的需求扩展其功能，各个功能也是按照软件模块的方式生成和加入系统的。