人脸识别是生物特征识别技术的一种，随着近半个多世纪的发展，人脸识别已经开始利用到了社会生活当中，凭借其友好、易于采集等优势，越来越受到大家的关注，当前人脸识别已经成功应用到了社会生活中的很多领域，比如火车站的入口检测、刷脸购物、追踪犯罪人员等。但是人脸识别仍然面临着很多问题，识别效果容易受到外部复杂环境变化的影响。提取人脸的局部特征进行识别是一种效果突出的方式，韦伯局部描述符（WLD特征）是一种典型的局部特征提取算子，可以有效的提取人脸图像的纹理和结构信息，并且对光照具有良好的鲁棒性，但在应对表情、遮挡等环境变化时的识别效果不理想。论文将对韦伯局部描述符进行改进，提高其鲁棒性，同时与其他特征结合组成融合特征，以提高算法应对复杂环境变化的能力。论文的主要工作如下：
　　第一：提出一种基于多方向韦伯梯度直方图的人脸识别算法。算法首先对韦伯局部描述子进行改进，在原有差分激励的基础上，进一步考虑了邻域像素之间的关系，将邻域像素作差取绝对值之后进行求和，同时将原始的韦伯方向替代为由对角线方向的像素构造的梯度方向。另一方面，将韦伯梯度幅值在原始韦伯方向上进行累加，以提取边缘轮廓特征，将从该特征中统计的直方图与改进的韦伯局部描述子中统计的直方图串联构成融合特征直方图，最后使用最近邻分类器分类识别。通过在YALE、ORL、AR人脸库上的实验表明，算法在应对表情、光照、遮挡等环境变化时具有良好的鲁棒性。
　　第二：提出一种基于韦伯局部三值模式的人脸识别算法。首先使用Sobel算子替换改进后的韦伯局部描述子中的韦伯方向，另外在对邻域像素与中心像素作差求和的基础上利用局部三值模式进行编码，将编码后的特征与使用Sobel算子改进的韦伯局部描述子分块统计直方图，将统计后的直方图串联形成组合特征并用最近邻分类器分类。通过在YALE、ORL、AR和CAS-PEAL-R1人脸库上的实验表明，算法识别率高，抗噪性能良好。