人脸识别覆盖了计算机科学、数学、认知科学、神经科学以及心理学等多门前沿学科,是模式识别理论的一个典型应用,更是一个具有挑战性的研究课题。目前已有的人脸识别算法在可控环境下取得了满意的识别效果,但在不可控环境下还面临着很多需要解决的技术难题,这也是影响人脸识别技术走向实际应用的重要因素。　　在人脸识别中,抽取有效的鉴别特征是提高识别效果的关键问题。鉴于局部特征方法对光照、姿态、表情、遮挡、年龄或成像条件的变化更具鲁棒性,本文在重点研究人脸识别局部特征提取的相关工作基础上,在下述几个方面做出了有益的贡献:　　①基于全局及局部特征相结合的人脸识别算法　　采取全局和局部特征相接合的技术路线,提出了基于LMP-EDA的人脸识别方法。该方法先采用局部多值模式提取人脸的纹理特征,为了避免多值模式直接计算会造成的维数灾难,本文通过编码技术提取了分层特征,构建了一个包含多种纹理信息的多尺度特征空间。随后采用广义判别分析EDA方法分别对各分层特征处理,使其更为紧致,增强其分类性能。实验结果表明,全局和局部特征具有一定的互补性,结合起来可以显著提升人脸识别系统的正确率,这一点恰好与人类视觉感知系统的工作原理类同。　　②基于局部非线性分层特征LNMLCP的人脸识别算法　　采取粗粒度区化算法对人脸分块对比度区间动态划分的思路,提出了局部非线性分层LNMLCP的人脸特征提取算法。为了进一步增强分层特征在光照变化时各自的识别优势,还构建了一种自适应的模糊融合识别框架。该框架不仅对每层特征单独设计分类器,同时引入了模糊隶属函数保存了更多的判别信息,缓解了光照变化时极易发生的误判情况。最后引入信息熵估算各分层特征识别结果融合时的权重,进一步提高了人脸识别结果。实验结果表明,以此为基础设计的人脸识别方法对光照变化具有较好的鲁棒性,与目前主流的光照人脸识别方法相比在整体上具有明显的优势。　　③改进的主动形状模型特征点定位算法　　采取同时优化反映目标图像形状规律的全局形状模型及反映以特征点为中心局部区域灰度纹理变化规律的局部纹理模型的策略,提出了一种新的改进主动形状模型。鉴于人脸图像在姿态变化时的不规则性以及原始ASM算法对模型初始位置较敏感的缺点,通过设置旋转算子来初始化形状模型参数,有效解决了姿态变化下ASM定位不准的问题;另外,在局部纹理模型中引入方向梯度幅值模式POEM算子表述特征点为中心的局部区域的纹理信息,从而增强了ASM算法对人脸图像处于外界变化时局部搜索的精确性。实验结果也证明了所提方法在精度上较原有算法和其它改进方法有了较大提高。