人脸识别作为一种重要生物特征识别技术，由于其自然性、非强制性、非接触性、安全、简易等特点，以及其在安全认证、智能监控、人机交互等领域的广泛应用前景，近年来深受研究学者的关注和重视。在受控条件下，人脸识别技术已经得到了不错的识别性能，但在实际复杂环境中，人脸识别技术仍然存在着很多的挑战，需要进一步的研究改进。　　一般人脸识别系统包括：人脸检测、预处理、特征提取和识别分类四个部分。从狭义的角度来讲，人脸识别的目的就是通过人脸图像提取特征，从而识别或者验证个体的身份，主要涉及到特征提取和识别分类两方面的内容。而特征提取是人脸识别的关键技术，提取特征的好坏直接影响人脸识别系统的成败。本文主要研究了人脸识别中的特征提取的方法，分别从多尺度韦伯局部描述符、自适应局部方向模式、多尺度块局部相对方向模式三个方向对基于局部特征提取的人脸识别算法进行了研究。主要的研究工作和贡献如下：　　①韦伯局部描述符WLD算法仅描述人脸图像的局部结构，无法获取足够的人脸图像结构信息，针对其不足，本文提出了一种多尺度韦伯局部描述符（MSWLD），从宏观和微观两方面提取人脸图像的特征，较好的描述人脸图像的结构信息。MSWLD采用邻域均值方式进行差分激励的计算，从而减少了邻域像素点对差分激励的影响，增强了WLD的稳定性。采用Prewitt算子改进了方向分量的计算，考虑了更多的邻域像素点，从而获得更准确的梯度方向变化。MSWLD算法在多尺度的应用上，不仅考虑了邻域的边界像素点，同时考虑了邻域内的所有像素点，能更加准确描述人脸局部特征。人脸识别过程中，基于关键点检测技术，选择人脸图像中具有丰富分类信息的子区域，依据投票策略实现人脸分类。　　②局部方向模式LDP编码时只考虑了绝对值最大的k个边缘梯度响应值，限制了编码形式，并且对人脸图像的不同区域采用固定模式的编码方式可能会丢失图像的重要信息，针对以上方法的不足，本文提出了一种自适应的局部方向模式（ALDP）。ALDP算法考虑了正、负两个方向的边缘梯度响应值，提取正、负两种模式，最终串联两种模式的直方图特征形成人脸图像的特征，从而充分描述人脸图像梯度结构信息。针对编码限制问题，基于韦伯定律，提出了自适应阈值方式，通过韦伯率设定，不同的人脸子区域，可以根据不同的局部梯度信息，自适应选择阈值进行编码，从而更准确的描述局部区域的人脸梯度信息。　　③针对LDP算法编码时对正、负两种边缘梯度方向同等对待，并且编码计算需要排序，时间效率较低等问题，本文提出了一种基于局部相对方向模式（LRDP），并结合多尺度块方法，本文提出了基于多尺度块的局部相对方向模式（MSB-LRDP）。LRDP算法将8个边缘梯度响应值划分为4个方向的边缘梯度响应变化值进行编码，编码时考虑了4个方向的梯度变化趋势，提升了对纹理细节的描述能力，解决了LDP算法的误编码问题，而且编码过程无需排序，算法时间效率较高。MSB-LRDP采用多尺度块方法，生成多尺度融合的特征，从宏观和微观角度对图像的局部结构进行描述，提取出的特征更准确、包含更丰富的图像纹理信息。