人脸识别在现今安全防范、视频监控和身份鉴别等领域有着广泛的应用前景，已经成为模式识别和计算机视觉领域最热门的研究课题之一。如何在光照变化和人脸姿态变化这种非受控环境下进行有效的自动人脸识别以满足实际应用的需求，仍然是一个极具挑战的难题。为此，本文在总结和分析现有的人脸识别工作的基础上，提出了基于局部保持投影（Local Preserving Projection, LPP）的人脸特征提取方法，并针对光照和姿态变化问题进行了深入的研究。特征提取是人脸识别技术中最重要的一个环节，本文在分析正交鉴别局部保持投影（Orthogonal Discriminant Local Preserving Projection，ODLPP）算法的基础上，针对投影基向量选取问题进行改进，提出了有监督的ODLPP（Supervised ODLPP，SODLPP）特征提取算法，该算法能够提取出人脸样本空间中最具分类能力的正交鉴别特征。为了解决光照和姿态问题，本文应用多尺度自商图像处理方法对人脸图像做光照预处理，可以部分消除人脸图像上亮度分布不均、光斑和阴影等现象，并利用多点卷绕技术由训练集中的正面人脸图像合成多姿态的人脸来参与训练。最后，本文将Gabor小波变换与局部三值模式（Local Ternary Pattern, LTP）算子相结合，提取局部Gabor三值模式（LGTP）特征来表征人脸，可以更好地克服光照、姿态和表情变化的影响。在ORL和YALE B两个人脸库进行的实验结果表明，本文提出的SODLPP特征提取算法相比于ODLPP算法具有更好的识别性能。同时，通过大量相关的实验也可以看出，本文所采用的光照预处理、多姿态人脸合成和LGTP人脸表征方法能够较好地增强人脸识别算法对光照和姿态变化的鲁棒性。