人脸作为一种具有独特特征的生物特征,具有直接性、唯一性、方便采集等特点,但是又由于人脸的可塑多变和在采集过程中受诸多外部因素的影响,使得人脸的机器识别这一课题非常具有挑战性。现有算法的显著不足在于对环境的变化鲁棒性较差,尤其是与人脸识别的能力相比而言,自动人脸识别对环境和姿态的变化适应性能低,现有的方法大多数情况下是要求待检测人脸在规定环境下采集,这显然不满足实用性的要求。本文对经典的人脸识别算法进行了研究和改进,在预处理,特征采集,特征约简几个方面做了相应的研究,并且初步实现了一个基于视频的人脸识别系统原型。本论文所做的主要工作如下：1.研究了LBP算子的几种扩展形式,包括统一模式,旋转不变的统一模式和改进为三值形式的LTP模式。通过研究,可以看到LBP算子所具有旋转不变和灰度鲁棒这两个特性对于人脸识别来说很重要,同时LBP也具有描述图像局部特征和全局特征的能力,这对于人脸识别来说是也非常有利的；本文还将LBP的三值扩展形式LTP模式运用到人脸识别中来,其相较于传统LBP模式对于局部的光照变化和噪声有更高的鲁棒性。2.深入研究了LBP原始模式的降维算法。因为LBP统一模式本身所存在的一些缺陷,所以我们用降维生成的LBP子模式来代替LBP统一模式；本文比较了局部保持投影(LPP)、主成份分析(PCA)和线性判别分析(LDA)这三种降维算法在人脸领域的应用,最终选取的是LPP模式在构建LBP子模式。3.研究了人脸图像的预处理方法,特别是人脸校正。本论文方法是：先通过平均精确合成滤波器(ASEF)取得人眼的位置然后再通过仿射变化对人脸进行旋转,最后得到近似标准的正面人脸。ASEF定为人眼的精度较Haar-like+Adaboost方法高很多,并且其对于戴了眼镜或者有遮挡的人脸的鲁棒性也更强,最重要的是其速度非常快,几乎在检测到人脸的同时就能定位人眼。4.基于OpenCV开源库构造了一个基于视频的人脸识别系统原型。并在上面对于算法进行实际的测试。