基于机器的可靠自动身份识别是目前生物识别的研究热点。其中,自动人脸识别由于其具有直观性、非侵犯性、被动性等优点成为机器视觉领域最活跃的一个领域。然而,人脸识别在应用中的主要难点是容易受到光照、姿态、表情等因素的影响。由于红外人脸识别对光照的不变特性,成为计算机视觉领域的一个重要方向。不过,红外人脸识别也有其自身的缺点：低分辨率和不稳定性。本文在深入分析红外人脸图像优缺点的基础上,得出红外人脸识别面临的主要挑战是：1.红外图像的低分辨率。由于红外相机的分辨率的限制,不可能达到可见光的分辨率,而且红外人脸边缘轮廓比较模糊。2.红外温谱图不稳定。红外温谱图容易受到外部环境温度以及生理和心理因素的影响。针对红外人脸识别的上述不足,本文主要从两个方面研究红外人脸图像的鲁棒特征提取技术：1.基于传统的可见光人脸特征提取技术,根据红外人脸识别的特点,研究适合红外人脸图像的鲁棒特征提取方法2.基于红外图像温度的传热机理,研究将易受环境影响的温谱图转化为稳定的生物特征方法。具体来说本文的成果和创新之处包括以下几点：1.基于红外人脸图像低分辨率的特点,为了提取更多的局部特征,对原有基于整体特征的可见光人脸识别进行了研究和改进,在原有的整体特征提取方法基础上引入了分块和加权的思想,提高红外人脸识别的鲁棒性。2.提出了一种新的基于局部差分二进制模式的红外人脸特征提取方法。对传统的局部二进制模式特征提取进行了两方面的改进：二阶方向结构信息的特征提取和鉴别模式的抽取3.基于人脸生物的传热机理,提出一种基于生物传热方程的离散化建模的方法。通过建立的有效离散血流模型,提出了一种把易受环境温度影响的温谱图转化为较为稳定的血流信息的方法。4.为了综合局部特征和整体特征对红外人脸识别的贡献,提出了一种基于分块的整体特征提取与LDBP特征提取融合的红外人脸识别系统