随着社会的进步，科学技术的飞速发展，信息安全的问题变得日益突出。身份信息的验证与识别成为研究人员关注的热点之一。在众多身份识别技术中，人脸识别由于其直接、友好、方便等特点受到人们越来越多的重视，并在人机交互、档案管理、视频监控等众多领域中得到广泛的应用。如何更加快速有效地识别人脸成为当前研究的主要方向。本文的主要研究工作如下:　　首先对人脸识别的研究背景及意义进行了论述，并简介了人脸识别技术的发展过程与国内外研究现状。之后，对常用的人脸识别方法进行了介绍，并分析了它们各自的优缺点。随后，本文介绍了主成分分析(PCA)，二维主成分分析(2DPCA)的基本原理，并在此基础上详细介绍了双向压缩二维主成分分析(B2DPCA)，模块二维主成分分析(M2DPCA)与双向模块二维主成分分析(BM2DPCA)的原理及它们各自的特点。　　本文对基本局部二进制模式(LBP)及其衍生算子和多尺度块局部二进制模式(MBLBP)进行了介绍，并在此基础上提出了基于MBLBP和BM2DPCA的人脸识别算法，该算法结合了人脸图像的全局特征与局部特征，因此提高了识别准确率。之后本文介绍了离散余弦变换(DCT)，并将DCT，MBLBP和BM2DPCA三者进行结合，提出了DCT-MBLBP-BM2DPCA人脸识别算法，该算法不仅结合了人脸图像的局部特征和全局特征，而且具有频域和空域的互补性，在频域中通过DCT提取人脸图像的特征，在空域中通过MBLBP获取具有空间不变性的面部特征。因此，DCT-MBLBP-BM2DPCA算法通过结合多种面部特征提高了识别精度，改善了人脸识别的性能。　　本文在Yale，AR，Extended Yale B，CMU PIE以及自建人脸数据集中进行实验，在不同的分块方式，变化的训练样本数以及选取不同的主成分数量等情况下对提出算法的性能进行分析和评价。实验结果表明提出算法在不同情况下的识别率均优于BM2DPCA和DCT-BM2DPCA两种算法，提高了人脸识别的准确率。同时，实验结果也表明提出算法比BM2DPCA和DCT-BM2DPCA耗费更少的特征提取时间，提高了特征提取的效率。