自动人脸识别技术(Automatic Face Recognition Technology,AFRT)在民用安防、公共安全、娱乐、客户服务等应用领域和图像处理、模式识别等学科领域受到广泛关注。受表情、年龄等内部因素和光照、姿态、遮挡等外部因素以及双胞胎,整容等其他因素的影响,现在的AFRT水平不能完全够满足现实应用的需求,还需要对其进行持续的创新研究。一个完整的自动人脸识别系统(Automatic Face Recognition System,AFRS)主要包含如下过程:图像采集(Image Acquisition)、人脸检测与定位(Face Detection and Orientation)、图像预处理(Imager Preprocessing)、特征提取(Feature Extraction)和分类识别(Classification Recognition)。本文以AFRS的核心步骤特征提取为切入点,对人脸识别算法进行深入研究,在详细研究现有算法的基础上,提出了快速零空间线性鉴别分析(FNSLDA)算法和快速完备线性鉴别分析(FCLDA)算法,并将Gabor滤波与其进行融合,主要工作如下:(1)探讨了AFRT的研究现状和存在的难题及其意义,分析了现在AFRT研究的主要内容和常用方法。同时还分析了AFRS的评价标准,从而全面的分析算法的有效性,使其更接近实际应用。(2)探讨了Gabor滤波的原理和提取人脸Gabor特征的过程,详细分析了二维Gabor滤波器的参数意义和选择基础,提出使用FFT的方式提高Gabor提取人脸特征的速度,最后对Gabor滤波器的参数的选择做了相应的实验分析。(3)详细分析了子空间分析算法中线性鉴别分析算法(LDA)的“小样本”问题,以及零空间线性鉴别分析(NSLDA)和完备线性鉴别分析(CLDA)两种解决“小样本”问题的算法,并提出了FNSLDA和FCLDA两种提升时间性能的算法,对算法所涉及的定理进行了完整的证明,最后对所述算法进行时间复杂度分析和实验验证,验证了所述算法在时间和识别率上的有效性。(4)利用FNSLDA和FCLDA有效降低特征维数的优势进一步提取人脸特征,提出了将Gabor滤波与FNSLDA和FCLDA相融合的人脸识别算法,并在ORL人脸库上进行识别模式和验证模式的实验分析,结果表明融合Gabor滤波的子空间算法有很好的识别效果。