随着公共安全需求的不断提高,人脸识别技术在公共安全防护领域得到了越来越多的应用。在满足一定识别率的基础上,如何降低误识率是人脸识别技术中的一个重要课题,也是本研究的中心任务。本文的主要工作是对既有的人脸识别方法进行调查分析,并在总结前人方法的基础上,同时在经典的LBP和Gabor特征的基础上,从多特征空间描述人脸纹理信息的角度出发,提出4种混合特征(LG特征,LRLG特征,UDGL特征,UDLG特征),进而提出了一种基于混合特征的近红外人脸识别的算法。该算法的主要内容如下:(1)首先分别提取人脸图像的LBP和Gabor特征,其次基于将人脸识别多分类问题转化为类内类间二分类问题的思想对应计算LBP的余弦值和Gabor的余弦值,然后将LBP特征的余弦值和Gabor特征的余弦值相加得到LG混合特征;(2)组合左半边人脸图像LBP特征余弦值和右半边人脸图像Gabor特征余弦值得到LRLG混合特征;(3)组合上半边人脸图像Gabor特征余弦值和下半边人脸图像LBP特征余弦值得到UDGL混合特征;(4)组合上半边人脸图像LBP特征余弦值和下半边人脸图像Gabor特征余弦值得到UDLG混合特征。在LBP特征的基础上,基于文本分类加权的思想并参考TF-IDF模型,我们提出WLBP特征在加权特征空间中描述人脸纹理信息。首先统计LBP特征在当前人脸图像中出现的频率,然后对各LBP特征分别统计在人脸图像中含有这些LBP特征的人脸图像的数量,接着组合上述两个统计结果得到各LBP特征在当前人脸图像的权重,得到WLBP特征。由于支持向量机算法对两类样本分类的良好准确率和泛化性,本文选择支持向量机算法构建人脸识别分类器。我们在871个人的近红外光人脸图像库中的实验表明,LG混合特征具有较好的识别率和较低的误识率。