人脸识别是模式识别和人工智能领域的研究热点。人脸特征提取是人脸识别的核心步骤，其特征提取的效果将直接影响到人脸识别系统的性能。室外的摄像系统极易受到雨雪天气的影响，导致视频图像的质量严重下降，影响人脸识别的效果。因此，本文将对雨雪环境下视频中人脸特征提取进行研究，具体过程如下：首先，对图像进行预处理以及对已有雨雪去除算法进行性能分析。对视频图像进行灰度化，以降低计算量，对灰度化后的图像进行直方图均衡和中值滤波，以减少图像上的噪声。根据雨雪的光学和时间性能，分别利用帧时差法和改进帧时差法进行雨雪去除，对仿真结果进行分析。其次，针对仿真结果存在的问题，对视频图像中雨雪去除算法进行改进。该算法采用连续5帧的视频图像来处理第3帧，先计算该5帧中同一像素点的最大与最小灰度值，当二者差值大于0时，可检测出该像素点被雨雪覆盖；再分别计算第3帧中该像素点与最大、最小灰度值的距离，当与最小灰度值的距离大于与最大灰度值的距离时，用最小灰度值去取代第3帧中该点的灰度值。再次，对人脸进行检测定位以及对已有特征提取算法进行性能分析。利用基于模板匹配的人脸检测定位方法，采用边缘加权的Hausdorff距离作为衡量匹配程度的距离，对视频图像中的人脸进行检测定位。分别利用PCA、ICA、LDA、KPCA和2DPCA人脸特征提取算法进行人脸识别，并根据仿真结果存在的问题，对人脸特征提取算法进行改进。该算法将训练集分别存储在一个二维和一个三维矩阵中，在二维矩阵上运行2DPCA算法，将三维矩阵投影到2DPCA的特征空间，并将所得到的三维矩阵转换为二维矩阵，再在该二维矩阵上运行KPCA算法，将标准化后的测试集投影到2DPCA的特征空间，并将其重构结果作为KPCA的测试集，改变KPCA在测试阶段的核函数计算方法，再次运行KPCA算法，并利用欧式距离和最近邻分类器进行识别。最后，本文将改进雨雪去除算法和改进人脸特征提取算法应用到人脸库上，并将二者的识别率分别与直接对视频图像中的人脸进行识别所得到的识别率进行比较，以证明上述两种方法的有效性。