生物特征鉴别技术现在已经成为模式识别领域一个重要的研究方向。它是利用人体本身所固有的外在的物理及行为特征，通过计算机识别方法来鉴别个人身份的技术。在众多生物特征识别中，人脸识别因其更友好，隐蔽性好，不易察觉等优点赢得众多学者的研究。人脸识别技术的步骤主要包括人脸检测、特征提取和特征分类。由于人脸图像的维数很高,所以对原始人脸图像进行处理的复杂度非常高，对数据存储能力以及计算能力的要求也很高，因而特征抽取成为人脸识别流程中非常重要的环节，能否抽取出具有最大鉴别能力的向量也成为人脸识别算法优劣的主要判别标准。本文对经典的特征提取进行了研究，并在此基础上，提出基于局部保持分类投影和二维近邻保持嵌入的人脸特征提取算法，同时解决了双向二维算法的特征向量维数选取问题。
　　 本文的主要研究内容和做出的工作如下：
　　 1.由于类别标签包含训练样本的重要信息，因此本文在研究局部保持映射算法的基础上，将训练样本的类别标签引入约束条件中，使局部保持映射投影扩展为局部保持分类投影，解决了局部保持映射算法为无监督算法的问题。很好的利用了训练样本的类别标签，获得了良好的实验效果；
　　 2.在近邻保持嵌入的基础上，利用2DPCA提出的二维特征抽取的思想，提出了增强型二维近邻保持嵌入算法，解决了近邻保持嵌入算法在训练映射矩阵中遇到的“小样本”问题，并且加快了运算速度。在ORL和Yale数据库上的实验结果表明了二维近邻保持嵌入算法的有效性；
　　 3.借鉴PCA能量保持的观点，利用NPE算法的损失函数百分比计算映射矩阵的损失百分比，在特征向量的挑选阶段提出约数法，解决了特征向量的挑选问题。
　　 在人脸特征分类阶段，局部保持分类投影利用最近邻特征线分类器；增强型二维近邻保持嵌入算法则利用二维最近邻特征分类器进行识别。在ORL人脸数据库和Yale人脸数据库上的实验结果表明本文提出的人脸识别方法比其它经典识别方法具有更好的识别效果。