人脸识别是计算机视觉和模式识别领域研究热点之一,具有广泛的应用前景。人脸识别技术经过近50年的发展,人脸识别取得了大量的经验和算法。本文对人脸识别技术进行深入学习和研究,重点对经典的局部二值模式(LBP)算法进行了研究和改进。本文首先研究了人脸图像预处理的算法。重点分析了几何归一化、去噪处理和光照预处理的方法。在几何归一化中,对原始图像旋转、缩放和裁剪,建立归一化标准。由于人脸图像在传输和存储的过程中,受到脉冲干扰的影响比较严重,通过实验证明中值滤波在解决人脸噪声方面有很大的优势。研究了几种常用的光照预处理的方法,实验表明高斯差分的光照预处理方法比直方图均衡化和自商图像表现要好。其次,深入分析局部二值模式及其变体算法在人脸识别的应用。总结并综述了基于LBP的人脸识别方法,对LBP基本原理、发展演变、LBP人脸识别算法的优缺点以及对几种基于LBP基础上的改进人脸识别算法进行阐述及分析。本文针对LBP的不足提出了改进的LBP算法：提出了“双圆”LBP,此方法更大程度地提高了LBP旋转不变性,对小姿态人脸图像有很好的识别效果；基于分块的LBP有较好的识别效果基础上提出了“多重分块+中间分块”的思想,该方法有效弥补了原始分块分割线周边信息不能完整提取的不足；五官的特征是人脸识别的关键特征,不同器官对于人脸图像识别的贡献度也不相同,本文提出在原始分块基础上增加“关键块”分块加权的思想。然后,针对本文提出的“多重分块+中间分块”及“关键块分块加权”方法提取的LBP特征维数较大问题,采用Fisherface方法进行降维提取FLDA特征。上述方法采用欧式距离作为分类器。同一个人的人脸图像因不同姿态或光照其距离是不同的,但它们的方向是一致的。因此,本文采用余弦相似性来代替欧氏距离,考虑到数据降维,利用余弦相似度度量学习(CSML)的方法代替Fisherface方法。最后,本文在Or1、Yale和Extended YaleB人脸库上进行实验,通过与LBP及其变体算法比较,证明“双圆”LBP、“多重分块+中间块”LBP、“关键块”分块加权LBP算法性能最好,大幅度提高了识别率,证明了改进LBP算法的有效性；通过与PCA、Fisherface方法算法对比,证明CSML方法性能最好。