随着机器学习的发展,人脸识别技术得到越来越多的关注。通过人脸图像,可以识别或者验证一个人的身份。人脸识别通常是通过比较测试的人脸特征与人脸库中特征来实现的。虽然人脸识别技术已经研究了几十年,但仍然是一个活跃的话题。由于开发一个人脸识别系统有很多要求,比如精度、鲁棒性、处理时间和图像拍摄的限制,所以人脸识别技术仍存在许多问题。本文研究的是基于局部特征的人脸识别算法,目的是寻找性能更优越的算法,以使得人脸识别技术更具有实时性。本文研究的主要内容如下:首先,本文介绍了人脸识别技术的研究背景和意义,然后对人脸识别技术的国内外研究成果进行了总结。其次介绍了几种典型的基于全局特征和基于局部特征的人脸识别方法,并分别分析了各种方法在光照背景、姿态和表情等方面存在的优势和不足。然后,提出了基于KAZE算法的人脸特征提取算法,该算法尽管在处理光照、尺度、旋转等方面鲁棒性强,但由于计算复杂度高,因此不能很好地应用于人脸识别系统。为此,提出了KAZE算法的改进算法,即基于AKAZE算法的新的特征点提取方法,在很大程度上减少了特征点检测的时间,提高了KAZE算法的识别速度。最后,研究了基于词包模型和SURF局部特征的人脸识别方法,该算法不仅识别率高、计算时间短,而且在处理模糊、压缩和噪声等方面均有较强的鲁棒性。