目前，虽然人脸识别技术越来越被人们所重视，而且国内外的研究也取得了很大的进展，但是在实际应用中，由于受到光照条件、姿态、饰物遮挡以及人脸龄变化等干扰因素的影响，以及算法性能。使得目前人脸识别技术在实际应用中还存在一些缺陷。为此，本文主要从基于全局特征的人脸识别算法和基于局部特征的人脸识别算法进行如下几个方面的研究。首先，在人脸图像与处理方面。为了消除拍摄条件对人脸识别算法的影响，需要进行人脸图像的几何、灰度归一化预处理，而人眼定位是几何归一化的基础。为此本文设计了一种基于先验知识进行人眼位置粗定位，然后通过投影峰值分析的快速人眼定位算法，实验结果表明本文所设计的快速人眼定位算法在保证了定位准确性的基础上，提高了人眼定位的速度。其次，在基于全局特征的人脸识别算法的研究方面，针对PCA人脸识别算法对所有样本进行统一训练从而导致的性能下降和人脸特征不集中的问题。基于分类的思想，通过样本的分类训练，来提高算法性能，同时由于分类可以使得人脸特征子空间中的人脸特征更加集中，测试结果表明，在PCA变换后的人脸特征子空间中，少数几个特征值较大的特征向量就可以表示绝大多数的人脸图像特征，因此减少了特征子空间的维数，提高了人脸识别算法的性能。最后，在基于局部特征的人脸识别算法的研究方面，基于Gabor变化对基于局部特征的人脸识别算法进行研究。Gabor变换同时在频域和时域上可以获得最佳局部化，在Gabor变换的系数上描述了人脸图像给定位置附近区域的灰度特征，同时具有对位置、光照不敏感的优点，在人脸的局部特征表示方面具有很大的优势。实验的结果表明，在人脸图像受到遮挡、年龄变化、姿态干扰因素的影响时，仍然具有较高的识别率。基于全局特征人脸识别算法和基于局部特征的人脸识别算法各有其优缺点和适用范围，本文在对人眼定位算法进行研究和改进的基础上，分别对全局特征的PCA人脸识别算法和基于Gabor变换的局部特征人脸识别算法进行了研究，测试的结果表明，本文所研究的人脸识别算法在识别准确性和性能方面都有一定的改进。