人脸识别作为一种重要的生物识别技术，在很多领域有着广泛应用。目前国内外已经有了一些比较成熟的人脸识别技术，例如特征脸、本征脸、拉普拉斯脸等。然而人脸本身作为生物特征的复杂性和人脸图像采集中的诸多不确定因素，导致人脸识别的实际研究中存在着诸多困难。寻求紧凑、鲁棒和有意义的特征表示空间对于人脸识别系统的性能具有重要影响。本文通过引入概率隐语义分析(PLsA)模型从一个新的角度来表示人脸图像。源于文本处理领域的PLsA模型是一种刻画文档与词汇间隐含语义关系的混合生成模型，已被广泛应用于自然语言理解和计算机视觉等领域中。我们将PLsA模型用于人脸识别的研究中，并且取得了一定的成果。本文主要研究工作和创新点总结如下：1、将文本处理领域的PLsA模型引入人脸识别的研究中，提出一种新的基于PLsA模型的统计人脸表示方法。该方法将人脸图像看作由视觉切片为词汇构成的文档，利用PLsA模型自动抽取视觉切片和人脸图像之间的隐主题分布；然后将每个视觉切片在若干显著隐主题上的后验概率作为该切片的统计特征，并结合其在图像空间中的位置关系构建人脸图像的全局向量表示。该表示方法具有直观的物理含义，并可作为任意分类器的输入。2、提出spatial-PLsA模型。PLsA模型建立在Bag ofwords的假设下，忽略了文档的语法结构，丢弃了词与词之间的结构等有用的先验信息。针对该模型的不足，本文在PLsA模型的基础上，加入原始图像中视觉词汇间的空间结构信息，使变换后的特征包含了更多的先验信息。3、在spatial-PLsA模型的基础上，提出一系列扩展算法，并在多个国际标准数据集上进行了实验验证，结果证实了本文所提方法的有效性和可行性。