作为人脸识别领域中的关键技术，特征选择和分类器设计是该领域中的研究重点之一。设计出一套行之有效的特征选择机制以及合理的分类器将提高整个人脸识别系统的性能。本文从特征表述、特征选择和分类器设计这三个角度出发，实现了一个完整的人脸识别算法。 本文首先对人脸识别技术的整体框架作了一个简要的描述，并对人脸识别技术中的关键技术—特征表述、特征选择和分类器设计作了简要分析，强调了在这三方面工作的意义。同时对当前存在的关键问题：光照问题、姿态问题和遮挡问题作了简单的介绍，针对存在的问题，选用对光照变化、姿态变化和遮挡都较鲁棒的局部特征作为人脸描述特征。 其次，介绍本课题的具体实现流程。第一步，对本课题中涉及到的主要工具：Gabor特征和AdaBoost做了介绍；第二步介绍了本课题的工作重点，基于IntraPersonal，ExraPersonal空间概念，利用AdaBoost对Gabor特征进行选择并且构造强分类器；然后对得到的Gabor特征序列进行分析，探求区别不同人脸的特征存在的规律，为特征选择提供方向上的指导。 最后，基于AdaBoost选择的Gabor特征进行人脸识别。首先从分类器角度出发，介绍了基于AdaBoost构建的强分类器进行识别和利用PCA降维，然后利用LDA作线性判别分析的方法。然后对基于AdaBoosted Gabor特征的LDA方法作泛化能力评测，与不经过特征选择的LDA方法做对比，得到泛化能力和与特征维数的一个初步结论。