随着多媒体技术的快速发展和图像信息的爆发性增长,图像数据库规模变得非常庞大,而这些图像中,包含人脸的图像更是引起了人们的加倍关注。如何有效的管理这些海量的人脸图像,如何有效的提取、表达、组织、查询和检索这些人脸图像成为当下公共安全、信息检索和网络社交等领域研究的热点。大规模人脸图像编码技术是实现人脸图像检索和人脸验证的关键技术,已经成为研究者们提升人脸检索和验证性能的最主要的突破口。本文以大规模人脸图像编码为研究目标,以大规模人脸图像检索和人脸验证为应用背景,分别从人脸图像预处理、人脸特征提取和量化编码三个方面提出了一些改进的方法有效的提高了大规模人脸图像表示性能。本文主要研究的内容有:1)在人脸图像预处理阶段,提出了一种改进的显示形状回归算法实现人脸对齐,分别从初始形状设定和相关特征选择两个方面进行了改进。实验表明,改进的人脸对齐取得了更准确的人脸特征点定位效果,为后面人脸区域划分和人脸特征提取提供了更好的支持。2)在人脸图像特征提取阶段,提出了一种相对人脸属性特征,在人脸二值属性的基础上通过排序学习的方法对人脸属性进行量化,并通过实验证明了相对人脸属性较人脸二值属性能更加准确的描述人脸属性特征。3)在人脸图像量化编码阶段,将人脸图像的底层特征和相对人脸属性特征结合起来进行稀疏编码。这种方法既保证了底层特征的相似性要求,又通过引入人脸属性特征避免了“语义鸿沟”问题。通过将本文的编码方法应用于大规模人脸检索和人脸验证的实验表明,本文提出的编码方案相比于基于底层特征的编码和基于属性特征的编码取得了更好的检索结果和更高的验证准确率。