人脸识别是目前身份识别技术中最具代表性的方法之一,有着重要的研究价值。人脸识别首先对输入的图像进行人脸检测,然后对检测到的人脸面部特征进行提取,最后再依据提取的特征进行分类识别并判定身份信息。人与人之间的面部特征差异较大,且人脸识别的整个过程都可以采用非接触方式完成,因此在公安、航空、金融等各个领域都有广阔的应用前景。但是人脸识别方法易受外界干扰因素的影响,目前提出的人脸识别方法大都适用于简单的约束环境中,而在实际复杂的无约束环境中识别效果欠佳。因此需要进一步研究并改进人脸识别方法,使之更好地适用于实际生活中。本文针对复杂环境下的人脸识别进行研究,提出了一种结合稀疏编码与LBP算子提取人脸不变特征的方法。利用稀疏编码算法模拟视觉感知机制,对输入图像进行训练,得到多尺度多方向的特征提取滤波器。针对传统稀疏编码算法计算量大、耗时长的不足,采用改进的快速稀疏编码算法,提高了识别的速度。得到的特征提取滤波器提取图像的整体外观轮廓特征,与LBP算子提取得到的局部细节特征互补,因此将两特征进行融合。实验结果表明,在实际应用中该特征提取方法较传统方法有更高的识别率。人眼视觉系统可以帮助大脑过滤掉不重要的冗余信息,而专注于感兴趣区域。依据人类的视觉注意机制对得到的稀疏编码特征进行显著性计算和分析,利用信息量最大化理论思想构造特征的注意显著图。主要分析了在各个干扰因素下生成的显著图以及引入显著图对于识别结果的影响。并将该显著图与传统Itti方法得到的显著图作比较,结果证明本文方法生成的显著图更适用于人脸识别系统,且引入显著图后,识别效果大幅提高。最后,针对实时视频中的人脸识别构建了一个在线人脸识别实验系统。该系统应用上述提到的特征提取以及显著性分析算法,可以对静态及视频图像进行人脸识别,有较好的实时性和较优的识别效果,可应用于实际场景中。