人脸识别是模式识别以及图像处理研究的重要内容和热点之一,它通过计算机提取人的脸部特征,并根据提取的特征进行身份验证,在近40年来得到了长足的发展。近年来,以信息处理技术和传输手段为基础的社会信息化,正悄然改变着人类社会的生活与管理方式,无论是硬件条件的提高,还是实际需要,人脸识别技术已逐渐成为人们迫切需要的研究热点。本文主要从人脸特征提取算法入手,通过研究经典的基于Gabor小波人脸特征提取的人脸识别算法以及局部二值编码技术人脸识别算法,分析他们各自的优缺点,并提出了相应的改进型算法。本文主要工作如下:(1)研究了基于Gabor小波的人脸特征提取算法,由于经典的Gabor小波人脸特征提取算法特征维数高,时间消耗大,因此本文提出了一种改进算法,首先分析不同尺度和不同方向的Gabor小波对识别率的影响因子,从而选出一组”最优”Gabor小波来提取人脸特征,并且将一幅人脸图像分成互不重叠的8个子图像,计算并赋予每个子图像不同的权值来进行分类判决,并通过实验验证算法的性能。(2)研究了基于局部二值编码技术的人脸识别算法。分析了经典的局部二值编码技术的优点与不足,比较了其改进型算法——环形对称局部二值编码技术(CS-LBP)与多级区域二值编码模式(MB-LBP)与传统的LBP算子的性能对比,并且提出了基于多级MB-LBP特征融合的人脸识别算法。实验结果表明,与传统LBP算子相比,多级MB-LBP特征融合人脸识别算法不仅有效提高了算法的识别率,同时也有效提高了算法的鲁棒性。(3)针对Gabor小波提取人脸特征和LBP算子的优点,提出了基于Gabor小波和CS-LBP的自适应人脸识别算法(ASLGBP),通过在基于Gabor子图像的自适应加权特征融合人脸识别算法的实验中我们得知人脸子图像的眼睛、鼻子、嘴巴等细节较多的人脸区域在识别中权重较大,因此ASLGBP算法首先通过人脸投影积分法将人脸的眼睛、鼻子、嘴巴等人脸区域截取,然后再依次用Gabor小波和CS-LBP提取人脸特征,再通过支持向量机(SVM)进行分类判决,同时在实验中,我们也验证比较了不同分类器的识别效果。实验表明与几种经典人脸识别算法相比,ASLGBP算法有效地提高了人脸识别率。