人脸识别是模式识别、计算机视觉等领域的热点问题，人脸识别技术良好的前景吸引越来越多的研究者的关注。人脸识别的一般过程包括人脸图像预处理、人脸检测、人脸特征提取和人脸图像的匹配和识别。人脸识别是对人脸图像的特征信息进行提取后，根据得到的特征信息进行相应的身份识别的生物识别技术，人脸识别相对于虹膜识别、指纹识别以及DNA等生物识别技术具有独特的优势，人脸识别是一种自然性的、方便快捷的、非接触无侵犯的、不易被察觉的友好可交互的的生物识别技术。人脸识别技术广泛的应用于信息安全、公安监控、金融、企事业门禁系统以及智能相机等诸多领域。人脸识别技术虽然目前取得重大成果和技术上的突破，但是人脸识别仍旧是一项比较艰的任务。人脸图像经常会遭受复杂环境的影响，例如噪声、光照、姿势、表情、部分遮挡、旋转、尺度变化以及一定程度的仿射变换等的影响。基于几何特征、模板、以及、子空间（例如PCA、LPP、NPE）等人脸识别算法，在遭受的这样条件影响下识别准确性会急剧下降。基于局部的图像特征点的方法由于对复杂背景下的的变换具有良好的适应能力，因此是人脸识别的主流和发展趋势。Lowe提出的尺度不变态特征转换（SIFT）是一种局部的特征点提取算法，在图像识别领域取得了非常好的效果。本文将SIFT特征提取引入到人脸识别中去，并在原始的SIFT算法上进行了一些改进，提出了一种基于SIFT特征提取的人脸识别算法。本文的主要工作和创新点如下，1.提出了一种结合视觉感知特征的梯度域图像增强SIFT特征提取算法。采用视觉感知特征的梯度域图像增强方法，通过这种符合人类视觉感知特性的人脸图像加工处理，会凸显人脸图像重要信息，抑制不感兴趣的信息，检测人脸图像的局部梯度显著性，在梯度域上对人脸进行加强，提高SIFT提取的关键点的精度。2.引入一种快速的EMD距离代替原始的欧式距离去检测关键点之间的不相似性，对SIFT算法的匹配策略进行了改进。SIFT每个关键点的描述向量可以看做一概率分布，使用EMD距离去检测两个关键点之间的不相似性更加精确而且符合人类感知的特点，由于EMD时间复杂度比较高，本文使用快速EMD距离作为检测任意两个关键点之间不相似性的度量。这个改进算法可以有效避免欧氏距离度量方法在量化、变形以及遮挡等方面造成的不精确问题。3.本文在AR人脸库上做了大量的实验，对提出的改进算法进行了有效的验证，并做了大量的实验来验证提出改进算法对噪声、光照、尺度变化、旋转以及部分仿射变换的鲁棒性。本文在AR人脸库上，对原始的SIFT算法和改进后的SIFT算法做了对比实验，对比了改进后的SIFT算法在准确性、关键点检测精度以及对复杂环境下人脸图像变化的鲁棒性。实验结果表明本文提出的改进算法是切实有效的。