近年来在计算机视觉与模式识别领域,人脸识别一直是研究的热点之一。人脸识别在视觉监控、数字身份认证、公共安全、电子商务、多媒体和数字娱乐等领域具有广泛的应用前景。经过近四十年的发展,人脸识别技术已经取得许多成果。然而,人脸识别技术要达到完全实用化,特别是在复杂条件下,例如变化的光照、姿态、表情以及遮挡等,尚有许多问题有待解决。本文在目前主流的人脸识别算法基础上,针对复杂条件下的人脸识别中进行深入研究,论文主要研究工作如下:本文通过结合Gabor小波、线性判别分析LDA的特点,提出一种新的人脸识别方法。该方法既具有子空间分析方法时间复杂度低的特点,同时具有Gabor小波特征的对人脸图像光照和表情变化的鲁棒性。该方法模拟了测试图像的高维Gabor小波特征在低维线性空间的分布,同时不需要计算每一幅测试图像的Gabor小波特征,这样使得算法的时间复杂度大大降低。本文提出一种名为弹性块集重建(elastic block set reconstruction,EBSR)的人脸识别算法。在本算法中EBSR脸被提出,EBSR脸是由同类训练样本中每个位置上选择与测试图像对应位置重建误差最小的图像块所组成的。重建过程包括一系列模拟光照、表情和姿态的变换。局部图像块的重建误差被用来衡量图像块间的相似程度,然后根据整幅人脸图像的累积误差作为识别的依据。本算法可以有效挖掘人脸图像的局部信息,并对不同的光照、表情和姿态条件下,以及遮挡等复杂条件,都具有良好的鲁棒性。