人脸识别是一项富有理论基础和应用价值的研究课题。典型的人脸识别系统包括：人脸检测、特征提取(预处理和特征提取)、人脸识别三部分。在自动人脸识别中预处理和特征提取占有非常重要的地位。二维Gabor小波变换从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化。小波变换系数描述了图像上各给定位置附近区域的灰度特征,在人脸图像的二维Gabor小波变换系数的基础上进行的特征提取,称为经典的基于Gabor小波变换的人脸特征提取。本文深入研究了利用二维Gabor小波变换进行人脸特征提取的理论方法和技术,针对经典算法中运算量大、处理范围宽、识别的响应时间长等缺点,在图像预处理和特征提取两方面对经典的基于Gabor小波变换的人脸特征提取方法进行改进,提出了一种基于Gabor滤波器的人脸特征提取算法。在图像预处理方面,传统的椭圆肤色模型虽然能够实现人脸的肤色检测,但是其不能有效地检测出人脸重要器官的大概位置,本文通过对肤色模型亮度空间分段,并在每段亮度空间上分别定义色度空间椭圆模型,从而实现了人脸及其重要器官的检测。在特征提取方面,经典的Gabor纹理特征提取算法虽然对人脸图像的光照不均、位置变化和表情变化等具有较强的鲁棒性,但是该方法需要对整张人脸图像进行Gabor小波变换,运算过程复杂,耗时长,难以满足实时性要求。本文首先利用Gabor滤波器检测人眼边缘信息,然后通过广义Hough变换实现边缘断点的连接,最后对人眼边缘图像进行二维Gabor小波变换,提取人眼边缘纹理特征,代替经典特征提取算法中人脸的Gabor纹理特征,从而实现了特征空间的降维,减少了人脸图像的处理范围和运算的复杂度,将人脸的纹理特征从137维降到19维,有效地缩短了识别的响应时间。