人脸识别作为一种生物特征识别技术,受到了广泛的关注,成为应用数学、信息技术紧密结合的前沿热点问题。识别算法是人脸识别系统的核心部分,直接影响到系统的性能。结合现代应用数学技术,本文主要研究了基于局部二进制模式(Local Binary Pattern,简称LBP)和Adaboost的人脸识别算法。主要内容如下：第一,在应用LBP算子构造特征的过程中,提出了新的跳跃式分块方式。用此方法构造的特征能够在信息冗余较低的情况下,反映人脸不同尺度、不同位置的特征,便于机器学习算法高效地选择最佳特征。第二,在Adaboost算法的训练过程中提出了快速计算样本方法和计算阈值方法,提高了Adaboost算法的训练速度。并提出对样本进行随机排序,提高训练结果的鲁棒性。第三,针对LBP算子的一些不足,采用了拓展局部二进制模式(Extended Local Binary Pattern,简称ELBP)构造特征。使得到的特征不仅反映纹理变化的大小,而且反映了纹理变化的趋势。并且在训练过程中,应用统计方法构造了ELBP算子的统一模式,减小了训练的计算量。本文算法分别在中科院CASIA NIR近红外人脸数据库、中科院CAS-PEAL-R1可见光人脸数据库上进行了实验,系统的正确识别率分别达到了99.0%和99.2%。