人脸识别技术是模式识别与人工智能研究领域的重要研究方向，近年来随着技术的不断进步，人脸识别系统的识别性能有了很大的提高，目前已经广泛应用于公安、边防、实时监控以及电子商务等领域。例如:2012年4月铁路部门宣布在车站安检区域启用人脸识别系统。　　 目前已经投入使用的人脸识别系统往往要求人脸图像在十分苛刻的环境条件下才可以达到良好的识别效果。但是在光照、表情、姿态、饰物遮挡以及摄像机的距离等因素的影响下会严重降低人脸图像的识别精度。在这多方面影响因素中，尤其以光照变化影响特别明显，如何消除变化光照对人脸图片的影响是一个重要研究点。　　 局部二值模式(LBP)方法因计算简单、有较好的抗光照能力等在人脸识别领域已经得到广泛运用，但是LBP方法容易受到噪声干扰，以及在剧烈光照下提取到图像特征不够准确。本文针对LBP算法在具体应用中存在的问题分析，取得了如下的主要成果:　　 1.提出了多分辨率多阈值LBP特征(Multiple Resolution and ThresholdLBP，MRTLBP)的人脸识别方法，该方法能够有效的提取到人脸的全局以及局部特征信息以提高人脸的鉴别力。首先将原始人脸图像上运用haar小波进行两次分解得到不同分辨率的低频图像，再对两级低频图像选取两种不同的阈值进行LBP编码，将一级分解后的图片划分成3×3个子区域，统计每一子区域LBP直方图特征进行级联。对二级分解图像作为一个整体统计其直方图特征，最后将一二级各子区域的直方图特征级联起来作为最终人脸特征，进行分类识别。实验结果表明该算法对姿态、光照、表情等的变化具备鲁棒性。　　 2.提出了动态阈值特征局部二值模式(Dynamic threshold Local BinaryPattern,DTLBP)的人脸识别方法，传统的LBP算法由于只考虑了单一的阈值特征而没有考虑到阈值与邻居像素点的关系，所以会丢失掉有利于分类的特征信息。通过计算图像中心像素点与局部邻域点的对比度关系，确定动态阈值进行编码，采用多区域直方图级联进行人脸特征描述。基于Yale B，CMUPIE和Outdoor人脸数据库的实验结果表明，该算法能够对人脸图像进行良好的分类识别。