人脸识别的任务是使计算机具有根据人脸数据确定人身份的能力。通过对人脸数据进行处理和分析，提取能反映人身份的本质特征，从而建立特征到身份之间的联系。经过多年的发展，有多种人脸识别技术取得了很大的进展，它们在一些标准人脸数据库上达到了几乎百分之百的识别率，但在实际应用中却仍然受诸多因素的影响，如：光照、姿态、表情和年龄的变化等。针对这些问题，各研究机构提出了大量的方法用于构建光照、姿态、表情无关的鲁棒的人脸识别系统，这些方法在一定程度上提高了人脸识别技术对环境和用户的适应性。　　 但是一直以来，人脸识别中最重要的因素“人脸数据的来源”却没有得到太大的关注。在某些情况下，人脸识别系统中可能存在多种采集设备获取的人脸数据，如：数据库中为可见光照片，识别端采用近红外设备克服现场光照的影响。不同的采集设备具有完全不同的成像原理，因此即使在完全相同的环境下，通过它们得到的人脸数据也存在很大的差异。这种差异会严重影响人脸识别系统的性能，也会限制人脸识别技术的使用范围。　　 这些由不同采集设备得到的人脸数据与传统的具有不同姿态、光照和质量的人脸数据一起统称为异质人脸数据。异质人脸数据是指能反映同一身份的具有不同性质的人脸数据。本文主要以近红外和可见光之间的人脸识别为研究对象，提出了多种针对异质图像的人脸识别方法。本研究涉及了许多计算机视觉和人脸识别中的关键技术，包括人脸图像预处理、模板匹配、子空间分析、多元变量回归等。本文的主要工作和贡献有：　　 ①提出了近红外-可见光异质图像人脸识别问题.　　 ②提出了一种基于典型相关分析的异质图像人脸识别框架，并以近红外、可见光和3D图像之间的人脸识别问题验证了算法的性能。　　 ③提出了一种基于局部纹理特征匹配的异质图像人脸识别方法，并在MBGC具有遮挡的近红外和可见光匹配测试中取得了很好的性能。　　 ④基于已有的近红外人脸采集设备，制作了一种增强型的近红外人脸采集装置。该装置能够适应一切光线环境，克服了传统近红外技术易受阳光影响的缺点。并在多种室内环境和室外环境下验证了该装置的稳定性和相应人脸识别系统的性能。　　 ⑤研究并实现了一个基于可见光与近红外的异质图像人脸识别系统，系统利用可见光注册近红外识别，能很好的抵御光照的影响。系统能够实时、高效的工作在普通PC机上。　　 总之，本文提出了人脸识别领域中的一类新问题，并以主要以可见光-近红外异质图像入脸识别为例，提出了多种有效的方法用于解决该问题。最后制作了一种光照完全无关的增强型近红外人脸采集装置，并构建了一个高效的近红外-可见光人脸识别系统作为工作的总结。