人脸识别技术一直是具有重要意义和实际价值的研究课题，它在监控系统、军事人脸跟踪等领域得到了非常广泛的应用。但是由于人脸本身的多样性和复杂性，以及实时成像环境的因素(例如天气、光照、相机平移和噪声干扰)的影响，使得人脸识别成为一项相当困难的工作。 人脸图像的差异不仅体现在整体轮廓的全局特征上，更主要的是表现为边缘细节所反映的局部特征的差异上。因此，本文首先详细讨论了主成份分析法(PCA)和独立分量分析(ICA)方法的基本原理及相关改进算法，然后提出了新算法IPCA-FICA，最后详细研究了基于IPCA-FICA的特征提取技术在人脸识别中的应用。利用该算法提取出人脸图像的局部特征和全局特征一起建立特征子空间进行识别，改善PCA和SVD等一些传统的基于二阶统计特性的全局特征提取方法的不足。在实验中，针对ICA提取的大量特征的无序性和冗余性，进行了一定的改进，能够实现用少量的特征来对人脸有效地进行描述和识别。 实验结果表明，本文所讨论的方法对于部分姿态变化、噪声干扰和部分遮挡情况下的人脸识别具有抗畸变能力；对于光照变化的情况也有比较良好的效果，但仍不够理想。和其它传统的特征提取方法相比，基于IPCA-FICA的特征提取方法对于整体轮廓相似而存在局部差异的人脸的识别具有优势。