人脸识别作为一种生物特征识别方法相比于传统身份识别方式有明显优点,近年来受到了广泛的关注,成为应用数学、统计学习、模式识别、计算机视觉等领域的研究热点。基于局部特征的人脸识别算法对表情、光照具有一定的鲁棒性,在一些大的数据库上(比如FERET)能够取得不错的结果。考虑到单一特征很难取得理想的效果,因此本文提出了一种基于局部统计特征——MBC特征和POEM特征融合的人脸识别算法,主要工作如下：1.本文采用了MBC和POEM两种人脸图像特征。首先介绍了MBC特征的相关知识,研究了信号的单演表示,进而得到人脸的单演表示。根据人脸单演表示的物理意义不同而采用不同的编码方式进行二进制化,同时增加了局部强度的编码。上述编码方式增加了特征的可区分性,从而提升了识别效果。2.POEM是一种新的人脸特征,它是将LBP用于基于方向分配的人脸梯度图上,这样对光照有更好的鲁棒性。本文提出了POEM特征的加速计算方法,改进了振幅累加的过程,提高了特征计算速度。实验结果表明,本文提出的POEM特征的加速计算方法的计算速度是原始方法速度的50倍。3.针对提取出的MBC特征和POEM特征,采用赋权分段线性判别分析算法进行分类。首先利用分块PCA、LDA的方法降低特征维数和冗余信息,同时利用逻辑回归对分块进行赋权,利用权重计算最终人脸的相似度。用逻辑回归赋权后,在FERET四个子库上识别率均有提升。利用本文提出的基于MBC特征和POEM特征的人脸识别算法,我们在FERET的四个子库Dup1、Dup2、Fb、Fc上取得了93.77%,90.60%,99.58%,99.49%的识别率,在误识率为0.1%时取得了95.70%,92.31%,99.75%,100%的认证率。