人脸识别是一种零接触、隐蔽性极强、应用前景很广的身份鉴别技术，它是利用人脸的生物特征进行识别的一种方法。人脸识别技术还存在一些未能完全解决的问题，比如说光照变化，遮挡等噪声对识别成功率的影响较大，还需要研究出更好更鲁棒的算法。本文主要研究基于图嵌入算法的人脸识别方法。基于图的方法就是把所要研究的数据看作是图中的结点，每一个结点代表样本数据中的一个数据对象，比如说人脸识别中就是把一张人脸图像看作是图中的一个结点，然后通过研究这些结点之间的关系，利用某种优化策略，达到降维分类的目的。原始数据一般都处在一个高维空间，图嵌入算法假设这些处在高维空间的数据都能够在低维空间找到一个―内在结构‖，而且这个结构在原始数据空间同样存在。本文对图嵌入算法进行了改进，对近邻图的构造方法进行了重新设计。在计算节点是否―近邻‖的时候，使用二维人脸图像作为输入，通过计算两张图片―近邻‖的列数（或行数），加入一个参数r来判定这两张图像是否―近邻‖。巧妙的利用了人脸图像的局部特征来弥补全局特征的不足，使得到的权值矩阵G能够更准确的描述节点之间存在的内在联系。通过在AR，Yale和ORL人脸库上的实验找到了一个合理的参数，然后在局部保持投影和近邻保持嵌入方法上测试本文改进后的近邻图的实际效果，实验结果表明：本文采取的新方法在很大程度上提高了识别率。