人脸识别技术由于其重要的应用价值和理论意义而受到越来越多的关注和应用。一个实用的人脸识别系统需要满足三个特性：精确性、稳定性和易用性，事实上它们也构成了人脸识别技术的主要挑战。　　 本文的研究来源于构建一个实际的门禁系统，所以本文着力于为解决上述构建实用人脸识别系统的三个主要挑战（精确性，稳定性和易用性），从理论和应用上作出贡献。　　 首先，本文提出一种新的人脸确认策略，综合利用了一种较新的物体描述符——Gabor相位模式直方图（Histogram of Gabor Phase Patterns，HGPP），AdaBoost算法选择HGPP特征和训练二分类器，商图像方法在新光照条件下合成训练样本。该策略研究利用了以往被忽视的Gabor特征的相位信息并取得良好的效果，从而进一步挖掘Gabor特征在人脸确认中的价值。利用样本合成技术有助于解决小样本问题，并增强人脸确认算法对于光照变化的鲁棒性，提高人脸识别系统的易用性和对光照变化的稳定性。　　 本文进一步研究以局部特征利用和多分类器融合技术为核心的人脸确认框架，取得了在姿态、光照、表情（PIE）等变化下比利用全局特征更高的精确性和稳定性。更为重要的是，在此框架下，有利于拓展对解决实用人脸识别系统的三个主要挑战有意义的许多研究。　　 本文还将人脸确认算法应用于实际的门禁系统中，从算法和成像硬件两方面着手使得系统具有很好的精确性、稳定性和易用性，从而具备较高的实用价值。系统通过先人脸辨识再确认的模式实现便捷的自动人脸确认模式。我们认识到实用人脸识别系统的三个指标在一定技术条件下可能存在相互制约的关系，在设计时需要权衡，以达到最佳的综合实用效果。