随着硬件技术的发展,计算机的性能有了巨大的提高,使实时的人脸识别成为了可能。与生物特征技术相比,人脸识别具有自动化程度高、界面友好、无侵犯性等诸多优点。目前,在姿态、光照和用户配合等可控条件下人脸识别已经比较成熟。但是,在这些条件不可控的时候,人脸识别的系统的性能急剧恶化。复杂条件下的人脸识别就是这种不可控条件进行的,同时实时性也是该技术应用于实际的难点之一。本文围绕基于局部特征的人脸识别技术展开研究,力求找到合适的算法使人脸识别能够在复杂条件下进行。因此,本文的主要研究内容可概括如下。首先,简要阐述了人脸识别系统的组成部分和基本原理。对人脸识别存在的难点进行了详细的分析。其次,利用基于不变特征的算法应用于人脸识别中时有着对旋转、光照、缩放、表情和尺度方面的不变性的优点。本文在现有文献的基础上,提出了一种改进了的SURF特征点的匹配方法。将人脸图像进行均匀分割后,针对各子区域相似度对整体相似度的贡献和人脸姿态的变化,对不同的子区域赋于不同的权值,使算法在多姿态下的人脸识别中有着更好的鲁棒性。然后,本文系统的验证了SURF算法在克服人脸识别的姿态、光照和表情(PIE)问题上的性能,并与另一种人脸识别算法SIFT算法进行对比。在识别率与SIFT算法基本相同的情况下,实时性有了明显的提高。同时,将改进的特征匹配算法的效果与多种现存的算法进行比较,得出本文算法在多姿态人脸识别时的优势。最后,本文采用了一种基于权重的LGBPHS的方法,解决在非理想环境下获取的人脸图像容易受到光照和局部遮挡的影响的问题。实验证明,此方法具有较好的光照鲁棒性,并且对部分遮挡问题也具有一定的鲁棒性,明显地提高了识别率和实时性。