如何消除非理想条件对人脸识别的影响,是该领域的研究重点之一,其核心内容是在变化的环境中求得不变的因素。现阶段的主要方法有总变分商图像模型、对数全变分模型、抗遮挡最佳面相合成算法等。　　 本文在分析和总结非理想条件下人脸识别算法的研究现状及发展趋势的基础上,针对消除光照、遮挡和姿势影响等技术进行了深入系统地研究。本文给出了三种消除变化环境影响的算法:　　 1.为了消除光照环境变化对人脸识别的影响,提出了一种基于总变分对数模型的偏微分二阶锥规划算法。该算法利用偏微分方程的各向异性扩散对图像进行多尺度空间分解,然后结合二阶锥规划在使用现有内部点方面的优势,得到了偏微分二阶锥规划算法,该方法可以提高光照变化环境下的人脸识别率。　　 2.针对遮挡对于人脸识别的影响,提出了交替最小化算法,主要解决去噪后的图像复原问题。该算法是在总变分模型的正则项和稀疏性约束的基础上提出的,并通过迭代算法加以准确求解,从而准确得到图像的边缘部分和纹理部分,较好地恢复图像。　　 3.在SIFT算法原理的基础上改进了匹配过程中的相似性度量准则。该准则在图像匹配过程中用绝对值距离和棋盘距离线性组合来代替欧氏距离。使得提取到的特征点的数量不会随着姿势的改变而有较大的改变,从而减少了匹配所需比较的关键点的数量。　　 通过在多个人脸库上进行的大量实验都证明以上三种算法具有很高的可行性和有效性。