目前人脸识别技术己经取得了长足的发展,一些商业性的人脸识别系统逐渐进入市场,但其对应用条件的限制相当严格,在非约束场景下,很容易受到光照、姿态及局部遮挡等因素变化的影响,导致其识别性能的下降。针对此问题,本文从人脸特征提取的角度出发,在对现有算法进行研究分析的基础上,充分利用韦伯算子(WLD)与局部图结构(LGS)在人脸特征提取中的优势,重点研究了如何对其进行改进以提取出对光照、姿态及局部遮挡等更具鲁棒性的人脸特征,同时提出了一种基于韦伯局部图结构的人脸特征提取方法(WLGS),并通过实验对其性能进行了验证。本文的主要工作和创新点如下:(1)针对各向同性WLD算子在具有方向性差异的场合中局部纹理区分能力不足的问题,通过引入角度参量和尺度参量,提出并建立了一种各向异性的WLD算子,从而解决了各向同性WLD算子局部窗内的灰度变化信息没有充分体现的问题。(2)针对LGS算子结构上存在着不对称性,并且包含了邻域像素之间的冗余信息的问题。通过改进LGS算子左右邻域内不相等的像素数量,提出并建立了一种对称性的LGS算子,从而构建了一种更为均衡的提取像素邻域间纹理信息的方式。(3)WLD算子主要包括差分激励和梯度方向两个组成部分。在其基础上用各向异性WLD差分激励和对称性LGS算子分别替换原始WLD算子中的差分激励和梯度方向,提出了一种基于韦伯局部图结构的新算子(WLGS),它是对WLD算子的一种改进,能够在图像中提取出更多的纹理细节和多个方向梯度信息,更好的描述人脸结构。本文通过在CMUPIE、YALE、FERET以及LFW人脸数据库中进行相关实验,并且与经典的特征提取方法进行了比较,验证了本文算法在光照、姿态及局部遮挡等因素变化的条件下的有效性。