人脸识别及其是近年来的热门研究内容，涉及模式识别和计算机视觉等多方面的学科，在新一代人机交互技术和安全等领域的应用吸引了众多研究者的注意，具有重要的理论意义和应用价值。 近年来，关于人脸识别的研究已经取得了一定的突破。然而，现有的方法通常会因为姿态、表情、光照的变化会引起算法性能的迅速退化，其中又以光照问题最为显著。此外，数据库集的规模过大会使得子空间的样本分布过于密集，造成识别发生混淆；数据库集每一类样本数目不足也会导致子空间的样本分布不均匀进而影响识别率。 针对以上的问题，在分析国内外相关研究现状的基础上，分别提出了基于融合思路的光照无关的预处理算法、引入了虚拟样本并进行了后端分类器优化的基于子空间的人脸识别算法。 光照问题是影响人脸识别效果的重要因素。提出了一种基于融合思路的纠正光照的人脸识别图像预处理算法。先应用直方图均衡化以改进基于光照经验模型的仿射变换算法的效果，并提出了一种基于直方图灰度分布统计的融合方法，将仿射变换算法与和光照补偿模型算法有效地融合在一起。实验表明新算法能够取得良好的光照预处理效果并大幅度提高了人脸识别识别率。 在分析现有的子空间识别方法的基础上，提出了一种基于Gabor小波特征和DFLDA的融合算法GDFLDA，新方法具有光照不敏感性和优秀的类别分离能力，得到了很好的识别效果。此外在整个人脸识别框架内还采取了若干改进识别率的手段，这些思路包括优化后端分类器、引入和生成虚拟样本等。通过优化后端分类器提升了样本的分类能力。引入和生成虚拟样本改善了子空间的样本分布并使得小样本数据库的子空间构建和识别成为可能。 本文还进一步研究了人脸识别及其相关技术应用系统的构建和开发方式。同时，也探讨了人脸识别测试和评估平台的设计和实现。