人脸识别作为生物特征识别的一个重要分支,一直是模式识别和图像处理领域的研究热点之一。人脸识别克服了传统身份验证的缺陷,有着广泛的应用前景。但是人脸识别无论在二维还是三维上依然有许多研究课题,人脸的特征表征存在较大的困难。本文主要研究:人脸预处理算法,以及在预处理算法的基础的人脸全局特征与局部特征,并在对比实验的基础上,验证了融合特征的识别效果。本文的主要研究内容和工作总结如下:　　 1)提出了一种简单快捷的人脸预处理方法。结合实际应用中着重需要考虑的情况,以及传统预处理方法的优缺点,提出了基于双眼独立动态阈值的人眼定位算法。在双眼定位的基础上,结合灰度积分投影图与迭代阈值法进一步得到鼻尖与嘴巴区域,最后利用获得的区域裁切出裸脸位置进行人脸归一化。在CASIA-FaceV1人脸库的不同光照、不同姿态、睁眼闭眼等复杂情况下,算法定位准确率达到了86.83％,测试得到人脸归一化的图像可以满足人脸识别的要求。　　 2)研究了全局特征与局部特征下的几种人脸识别方法,并且横向对比了几种主要特征提取方法,分析算法时间消耗、识别效果及适用情况。对比了PCA与2DPCA的全局算法识别率,局部特征采用Ga bor与/BP特征进行人脸纹理表征。分别在ORL库、ESSEX等数据库上进行验证,实验结果表明在预处理后的图像库上,纹理特征可以有较好的识别率,两种纹理特征相结合还可以取得更好的识别效果。最后,在Texas3D Face Database上测试了SURF算子对深度图的匹配效果,取得了93.58％的识别结果,SURF算子用于人脸深度图特征提取,具有一定的实用性。　　 3)设计特征融合实验以提高识别率。对比两种融合策略,采用决策融合的识别率对比单一特征的识别率,在不同人脸库上都有不同程度的提升,最好提升效果达到+24％。　　 4)构建基于不同人脸库的人脸分类器,对比分类器与简单距离度量的效果差异。采用SVM分类器,在ORL与ESSEX数据库上,对比了LBP与LGBP两种特征的分类效果,最优SVM分类器都可以获得优于距离度量的效果,而且在ORL和ESSEX数据库上,利用LGBP特征最好情况下得到了98.5％和92.13％的识别率。