近年来随着计算机视觉及其相关技术的快速发展,越来越多的与计算机视觉技术相关的应用被投入到实际应用当中。人脸识别技术作为计算机视觉技术中的一个重要分支,也得到了广泛的关注,成为了模式识别,图像处理领域的研究热点。人脸识别技术涉及机器视觉,模式识别,人工智能等多个学科,是一个极富挑战性的研究课题。基于局部二值模式(LBP)的人脸识别方法因其对光照,姿态等变化的高鲁棒性,获得了广泛的关注。但简单的LBP算法变化单一,无法提取出更多的有效特征,在一些实际应用场景的表现并不理想。本文针对上述问题提出了相应的改进方案。针对光照以及姿态变化对于人脸识别结果所造成的影响,采用了预处理技术对原始图片进行预处理,尽可能的减少原始图片质量的差异对识别结果所带来的影响,主要技术包括几何归一化,Gamma校正,直方图均衡化。同时针对传统LBP算法较为单一化,特征表述能力较为片面的问题,本文提出了一种新颖的改进型LBP算法-基于多阈值多尺度相结合的LBP算法(MTSLBP:Multi-Threshold Scale LBP)。本文采用了基于两种阈值,两种尺度的MTSLBP算法,使采用该算法提取的特征能够更好地表述图像的纹理信息,提高识别性能。后期采用多阈值多尺度LBP算法提取出的特征向量维数较高,特征匹配时距离无法归一化。针对这种情况本文采用了直方图提取,以及针对不同阈值,不同尺度的LBP特征向量赋予不同权值的方法来进行特征匹配,效果较为理想。本文中在不同人脸数据库上对本文所提出的多阈值多尺度LBP算法进行了实验。实验结果表明本文采用的MTSLBP算法能够有效地提升识别准确率,验证了MTSLBP方法的有效性。同时本文展示了MTSLBP算法在实际场景中的一些应用。