在基于生物特征的身份鉴别中,人脸识别因其独特的优势被广泛应用于诸多领域。人脸特征提取与表达作为人脸识别中最为关键的部分,多年来一直成为研究的热点问题。一方面,不同的特征表达方法与维数大小直接影响人脸识别的识别率;通常在同样的特征表达方式下,维数越高其识别率也将越高。另一方面,特征提取的维数大小将直接影响人脸识别系统的实时性,维数越高其识别时间会越长,实时性会越低。本文在重点分析基于局部模式描述子的人脸特征表达与识别方法的基础上,探讨了利用主成分分析法进行特征降维的有效性,以满足实时人脸识别系统实现的需要。论文的主要工作和贡献体现在以下两个方面:(1)深入研究了基于主成分分析、局部二元模式和局部求导模式的人脸特征表达与识别方法,分析了它们各自的特点,评估了对应几种人脸识别方法的性能表现。比较基于主成分分析的全局模式描述子,基于局部模式描述子的人脸特征表达能够更有效地表达人脸特征,因此能够大大提高人脸识别的识别率;比较一阶局部模式描述子,基于高阶局部模式描述子的人脸特征表达包含了更多的空间信息,从而能够进一步提升人脸识别的识别率。(2)考虑到主成分分析在特征降维方面的有效性,探讨了一种结合局部模式描述子和主成分分析的人脸识别方法。通过引入主成分分析对采用局部模式描述子提取的人脸特征进行降维,从而提高人脸识别的速度。基于FERET标准人脸库的实验结果表明:在保持同样识别率的条件下,结合采用主成分分析能够有效减少人脸识别阶段所需要的特征维数,降低了识别过程的计算复杂度。