人脸识别是在生物特征识别技术中，最自然、最直接和最友好的手段。人脸检测和识别在身份认证、电子商务、视频监控、人机交互等领域具有广阔的应用前景。人脸识别已经成为模式识别和人工智能领域中极富挑战性的热点课题之一，对人脸识别的研究具有很高的理论意义和实用价值。　　 局部二值模式(Local Binary Pattern LBP)是一种灰度纹理描述算子，它是从纹理局部近邻定义中衍生出来的。近年来，研究者们成功的将其应用在纹理识别、人脸识别、医学图像处理等领域，取得了显著的效果。　　 本文深入研究了LBP算子和基于LBP算子的人脸识别的核心算法，主要工作内容和贡献如下：　　 1.给出了一种利用LBP特征重建原始灰度图像的方法，并且对LBP算子提取灰度图像的信息进行理论推导，最后比较了人脸识别中常用的特征，为后文的人脸检测、人脸图像预处理、人脸识别问题中的特征提取提供了一个理论的基础。　　 本文对灰度图像的信息进行分解得出，灰度图像可以由其模式信息(LBP值)、对比度信息、图像整体灰度的平均值完全表示。然后给出了一种由LBP特征重建原始图像重建原始灰度图像的方法，实验证明了LBP变换完全保留了图像的模式信息，完全忽略图像的对比度和平均灰度信息。最后深入分析了目前比较流行的人脸特征：灰度特征、Gabor特征和LBP特征，并且说明了这些特征在人脸识别问题中的优缺点，为下文的人脸检测、人脸图像预处理、人脸识别问题中的特征提取提供了一个理论的基础。　　 2.针对人脸检测问题，给出了适用于人脸检测的LBP特征——ML—LBP特征和基于ML—LBP特征的人脸检测方法。　　 人脸检测问题不同于人脸识别问题，其仅仅是一个两类问题，在人脸检测过程中我们只需要区分人脸和非人脸，所以对于特征的选择并不需要能够刻画人脸细节的特征，所以我们对LBP特征进行了改进，得到了ML—LBPL特征，然后使用AdaBoost方法进行学习，得到了基于ML—LBPL特征和Adaboost的人脸检测方法，并且实验比较了ML—LBPL特征和Haar—Like特征，证明了ML—LBPL特征的优势。　　 3.针对人脸图像的预处理中的人脸对齐问题，人脸图像质量评价问题，分别给出了基于LBP的解决方案，并且将图像欧式距离嵌入到了人脸图像的预处理中。　　 a)针对人脸对齐问题，提出了适用于人脸对齐的LBP特征——Line—LBP特征和基于Line—LBP特征的特征点定位方法。　　 b)针对人脸图像质量评价问题，提出了基于LBP特征的人脸图像质量评价方法，包括基于LBP特征的人脸图像丰观评价方法和基于LBP重建图像的人脸图像的客观评价方法。　　 c)引入了图像欧式距离，并且证明了图像欧式距离的引入可以有效的提高人脸识别系统的识别率。　　 4.针对人脸识别问题，从特征、人脸表达、距离定义三个方面改进提高了人脸识别问题的识别率与鲁棒性，最后通过实验给出了不同特征、不同人脸表达、不同距离的人脸识别算法的组合与应用领域。　　 a)提出了适用于人脸识别问题的LBP特征——MEMB—ILBP，并且通过实验比较了MEMB—ILBP特征、LGBP特征、Uniform LBP特征在人脸识别中效果。　　 b)分析了直方图级联的人脸表达方式的缺点，提出将LBP图像直接作为人脸表达方法。　　 c)提出了LBP图像两种距离的定义：融合汉明距离的推土机距离和LBP图像汉明距离。