目前,人脸识别依然是计算机视觉、模式识别和机器学习领域的一个研究热点,并且是最富有挑战性的课题之一。尽管目前人脸识别算法理论上和实际应用都取得了长足的成果,但在处理复杂环境下的人脸识别,如姿态变化、表情、光照等仍然具有相当大的难度,所以人脸识别无论在理论还是应用上都有着重要的研究和应用前景。近年来基于局部特征提取的人脸表征方法因其对光照、表情、姿态等都有着相当好的鲁棒性,在人脸识别当中被广泛应用。同时目前很多研究指出全局特征和局部特征在人脸识别中都有着非常重要的地位。随着梯度方向直方图(Histograms of Oriented Gradients,HOG)在目标检测中广泛的应用和优异的性能,目前已经有一些论文将HOG用于人脸识别上并取得了良好效果。本文采用HOG用于人脸表征,具体研究了其在人脸识别上的特性,并提出了新的改进方法。论文的主要工作和贡献如下:(1)针对基于网格提取HOG特征的人脸识别方法,首次详细分析了不同参数设置对人脸识别性能的影响。并比较了其与Gabor小波和LBP两种主流人脸局部特征表示方法的优劣。实验表明,在调优的HOG参数下,较少维数的HOG特征比LBP特征在具有光照和时间环境等复杂变化的人脸集合中有更好的表现,而且特征提取时间和特征向量维数比Gabor小波方法更具有优势。(2)针对光照、采集设备变化等问题,引入了结合Gamma校正、差分高斯滤波(DoG)和对比度均衡化三种技术的光照预处理方法,获得了良好效果。为了解决计算复杂度和类内散度矩阵奇异问题并且进一步提高人脸识别率,本文提出了首先使用PCA降维HOG特征然后用LDA方法进行线性判别分析,提取全局特征;另外,将提取HOG特征人脸按区域进行划分,随后训练各自子分类器。由于局部区域特征维数相对较少,子分类器直接使用FLD进行线性判别分析,能够最大限度保留细节和可判别信息。最后通过加权求和的策略融合全局特征和局部特征。在FERET人脸库上的实验结果表明,HOG人脸局部特征可以进一步抑制光照变化,提高识别精度;而HOG全局特征能保持全局信息,减少因时间跨度、表情变化而产生的面部局部改变的影响。全局特征和局部特征特性互补,在我们的实验中得到了目前在FERET人脸库上基于HOG特征的人脸识别方法最好识别结果。