人脸识别技术是近几十年来模式识别与计算机视觉领域的研究热点问题之一，在公共安全和日常生活中有着非常广泛的应用。特征提取技术是人脸识别中其中关键、核心部分，提取的特征通常决定着最终的识别性能。局部二值模式(LBP)作为一个简单而有效的局部特征提取算子，获得了广泛的关注。文章在之前的研究基础之上提出了基于局部邻域模式的算法,它的主要思想是把图像中的某点和它周围一定半径内的所有点都看成一个集合向量，然后以中心点所构建的集合向量作为阈值，依次做差，并将结果进行归一化处理，依次转换成距离值。其实是特征提取，对于LNP算法采用了环形提取特征，最后是分类识别。与传统的LBP相比，LNP算法进行整体间的运算，对于对比度强烈的图像来说算法识别率更高。为了有效地提取人脸图像的全局和局部特征以及克服光照对最终识别性能得影响，本文将图像金字塔结构与相对梯度融入局部邻域模式中，提出了基于金字塔结构的人脸识别算法（PRGLNP）。首先，通过多尺度分析构建图像金字塔；其次，对图像金字塔中每一层图像进行相对梯度运算，提取人脸相对梯度光照不变量；然后，再运用相同的LNP算子，提取各层图像的特征向量，将每层图像特征向量级连，建立LNP特征金字塔；最后，进行分类识别。