人脸识别作为一种最易普及的生物特征识别技术,拥有广阔的应用前景,近年来顺应社会需求,成为模式识别、计算机视觉与应用数学等领域的研究热点。虽然人脸识别技术已经在现实生活中有所应用,但依然存在很大的发展空间,尤其是大规模数据库中的人脸识别,目前面临着存储空间大,比对效率低两大问题。本文针对这些问题,提出了一种层级LBP特征和局部敏感哈希方法相结合的大规模人脸识别算法,主要工作如下：第一,在传统的LBP基础上,提出了一种基于弹性图的分块层级LBP特征,该特征属于局部特征,仅在人脸五大关键点的局部区域进行,具有很好的分类能力。第二,使用PCA+LDA方法对层级LBP特征进行分块训练,获得投影矩阵。利用该矩阵对特征进行降维,该方法在减小特征存储量的同时能够去除冗余信息,提高识别率。降维后所得特征作为人脸的识别特征。第三,利用基于DCT变换的局部敏感哈希算法,将人脸库中的样本进行哈希映射,并根据映射集为人脸样本建立反向索引。该算法在识别阶段的比对方法不同于传统方法的线性比对,大大地提高了识别速度。第四,提出了一种重排序算法,对哈希算法所得识别结果选取小范围样本进行重排序,以此来进一步提高识别率。本文在东北大学应用数学研究室自建的人脸库上进行了实验,识别率在Rank1、 Rank10、Rank30时分别为：83.48%、94.25%、95.87%,平均时间为0.15s。实验表明,与传统的方法相比,本文的特征存储量小,识别率较高,比对速度是传统方法的3倍以上,且比对时间不会随着人脸库的增大而线性增加,更具有实际应用性。