人脸识别技术主要包括三个关键环节：人脸检测，人脸特征提取，以及人脸分类判决。本文主要对人脸检测和人脸特征提取进行了研究。　　 论文首先介绍了基于Adaboost的人脸检测技术，详细叙述了计算弱分类器的各种方法，重点分析了Adaboost弱分类器计算耗时的原因，并提出了本文的改进。本文根据强分类器错误率上限的计算公式，推导出弱分类器错误率的期望值，并以此作为减少计算量的依据。实验结果表明，本文的改进方法，在保持弱分类器性能不变的条件下，可以有效降低计算量。　　 论文还重点讨论了基于LBP的人脸识别。本文将LBP模型引入到图像预处理中，以期利用LBP的性质，克服光照变化对人脸识别的影响。实验结果表明，LBP模型预处理光照问题的能力优于直方图规定化的能力。为进一步利用LBP模型的性质，本文提出了一种称之为二阶LBP的新型算子，并论述其性质。实验结果表明，二阶LBP模型在克服光照变化方面，性能优于LBP模型的性能。　　 人脸子区域对人脸识别的影响，一直是人脸识别研究人员重点讨论的话题。本文根据经验和人类视觉系统研究的成果，将人脸划分成若干子区域，并详细讨论了这些子区域对人脸识别的作用。实验结果表明，具有对称性质的器官组合区域对人脸识别的贡献最大。结合已有的研究成果，本文指出自动人脸识别系统的特征应当对整张人脸进行提取，而双眼和双眼鼻则应当是最重要的特征子区域。