随着信息技术的飞速发展，生物识别技术受到了越来越多的关注。其中人脸识别技术是一个重要的分支，它与指纹识别、虹膜识别相比具有直接友好的优点。因此，人脸识别技术在信息安全等领域具有广阔的应用前景。本文针对Gabor人脸特征维数大，特征提取时间长以及传统局部滤波器组构建没有规律的问题，提出了一种构建局部Gabor滤波器组的新方法，即根据人脸库图像的能量特性自适应地选择Gabor分量，从不同角度构建了三种局部Gabor滤波器组，实现了根据对象本身特性提取人脸Gabor特征的方法。本文主要研究工作如下：1)本论文研究了人脸图像归一化和图像增强两种预处理方法。图像的归一化分别包括了尺度归一化和灰度归一化两个方面，图像增强主要研究了小波变换在图像增强中的应用，并运用在本论文的实验中。2)在人脸特征提取方面，研究分析了传统Gabor滤波器组的不足，并基于局部Gabor滤波器组的思想，从不同频率和不同方向分别构建了基于能量的局部Gabor滤波器组，a) Gabor_Orient24：选取相同方向不同频率上具有最大能量的前3个Gabor特征人脸对应的滤波器组成；b) Gabor_Scale25：选取相同频带不同方向上具有最大能量的前5个Gabor特征人脸对应的滤波器组成；c)Gabor_Emax28：选取所有Gabor特征人脸中具有最大能量的特征人脸图像对应的滤波器组成；3)在构造人脸分类器阶段，本论文研究了最近邻分类器和基于统计学习理论的支持向量机分类器，并对这两种分类器进行了比较实验。利用本文构建的局部Gabor滤波器组分别在ORL和AR人脸库上进行人脸识别实验，结果表明，本文构建的局部Gabor滤波器组大大降低了Gabor人脸的特征维数，并且能够较好的提取出人脸中的有效信息，得到了较高的识别效率，同时，利用本文提出的局部Gabor滤波器组在同样条件下利用支持向量机分类器分类的效果要优于最近邻分类器。