随着科技的发展,人脸识别技术成为了当今的热点话题,许多科研机构与学者致力于该技术随的实用性研究。现阶段人脸识别技术已经有了重大的突破,在很多应用领域中得以实现,例如车站检测、罪犯追捕、智能监控等。在该技术领域中,人脸检测、图像分类、图像特征提取、图像检索等都体现了该技术的实用价值。其中,特征提取尤为重要,直接影响着识别的准确率。本文针对如何更好地获取图像特征问题进行研究,在已有的算法基础上分析创新,提出了一种以LBP算法为基础,融合Gabor小波变换技术的特征提取算法,对算法使用FPGA技术进行仿真验证分析,通过实验检测算法的性能。传统LBP算法是通过获取图像内局部范围的特征算子来实现的,其优势是计算简单,具有很强的纹理描述的特点。这种方式在提取图像特征时虽然可以获取图像纹理,对光照的不均匀变化具有鲁棒性,但是获取的图像纹理不具有空间特性。为了解决这一问题,本文引入分块的LBP算法,把原始图像数据进行切割,划分成若干区域,然后对每个区域做LBP处理,统计每个区域内的直方图,把各个域内的直方图做级联操作。这样做不仅获取了图像特征,还获取了特征空间特性。为了解决LBP算法获取图像特征时特征丢失的问题,本文引入了Gabor小波变换。Gabor小波变换能够根据用户需求获取图像多尺度,多方向的数据特征,使得获取的特征更加的全面准确,提升算法对姿态的鲁棒性,可以有效地提高算法正确率,而且可以降低Gabor算法处理后的数据的特征维数。使用对图像特征具有过滤功能的算法,在降低运算复杂度的同时又不会降低识别的正确率。FPGA技术采用硬件描述语言实现了软件硬化技术,充分利用该技术的并行性特点,能提高算法的执行速度与可靠性,降低算法的计算复杂度,并且对算法进行仿真。对融合后的算法进行仿真实验研究发现:本文提出的算法可以有效地提高算法的识别准确率,提高算法对图像光照不规则变化以及姿态角度的鲁棒性,降低算法的运行时间,证明了算法的可靠性。