针对人脸识别中存在的数据处理耗时过多及复杂环境下人脸误识的问题，首次提出了一种新的复合梯度向量理论及特征提取方法。主要内容：1)为建立复合梯度向量理论，研究其基础概念及相关定义；2)为实时准确识别人脸信息，研究人脸图像复合梯度向量特征提取；3)为解决复杂环境下人脸误识的问题，分析并提取人脸极大特征分布约束信息；4)面向应用的人脸复合梯度向量识别系统及其评价准则研究。该方法抓住了人脸面部特征分散性的特点，继而将分散性特征采用具有连续性规律约束的复合梯度向量进行描述识别。创新点：1)首次提出了基向量、极大梯度向量、复合梯度向量等概念，并引入到人脸识别中；2)针对传统人脸识别的特点，提出了复合梯度向量人脸识别技术。通过 ORL、YALE 以及 CMU-PIE权威人脸库的测试以及国内外相关研究工作的对比分析，结果表明，该方法克服了特征域旋转、光照强度变化及多姿态、多表情对人脸识别的影响，具有速度快，识别准确，适应性强的特点，对提高人脸识别主动性、实时性，增强人脸识别的应用能力和应用范围具有重要的理论意义和应用价值。