在最近几年中，随着面部识别技术的研究的不断深入，基于生物特征的人脸图像识别研究已经取得了很大的发展，并相比其它生物特征，人脸特征具有更自然，方便，和非接触等优点，并在身份验证，系统安全监控，模式识别，人机交互等领域中，具有广阔的应用前景。基于性别的人脸图像识别是典型的两类模式识别问题，在身份认证，人机界面，视频检索，机器人视觉中具有重要的应用前景。针对目前基于人脸的性别识别方法中人体第二性特征提取困难、识别率低、鲁棒性差问题，做了探索和研究。为了去除噪声、光照、拍摄角度等带来的影响，采用高斯滤波、灰度化、几何归一化等方法对人脸图像进行预处理，并提出了一种全新的人脸裁剪模板，人脸特征提取部分采用基于局部二进制描述方法实现。为了提高识别的稳定性和鲁棒性，采用了一种基于支持向量机的性别识别方法，并与基于神经网络的性别识别算法比较。实验结果表明，本文提出的方法提高了分类器的容错能力和识别率，对前期人脸特征点提取结果敏感性不强，增强了鲁棒性。与采用基于神经网络的性别识别算法相比，本文算法在计算复杂度上大大降低，提高了识别的效率。