一直以来,人脸识别都是生物识别技术研究中的一个热点问题,至今,在理想状态下的人脸识别研究已经取得了一些成果,但是对于存在干扰因素状态下的人脸识别仍没有较好的解决方案提出。存在的主要干扰因素包括：光照变化、姿态变化、遮挡物、表情变化等等。有研究者提出基于局部特征的人脸特征提取方法有利于改进人脸图像中存在的光照、姿态影响,本文正是从这个角度出发,围绕人脸图像中存在的光照和姿态影响展开研究,详细地分析了人脸识别中的局部特征提取与识别方法的优越性,然后将全局特征和局部特征进行有效地融合,实验表明两种特征的融合可以提高人脸识别的识别率(鲁棒性)。主要工作如下：(1)概述了人脸识别研究的历史和当前的研究现状。本文从当前主要从事人脸识别研究的高校到人脸识别产品的生产商都做了详细的介绍,还对当前人脸识别市场分布以及今后的发展状况做了总结。(2)采用Adaboost方法进行人脸检测。从一幅包含人脸的自然图像中提取出人脸区域,用于下一步的人脸识别和身份鉴定。文中首先对当前主要人脸检测方法进行了介绍,然后讨论了Adaboost算法理论,并展示了人脸检测的效果。(3)采用基于子空间方法进行人脸全局特征提取。首先简要介绍了主成分分析的人脸特征提取,然后文中重点论述基于二维主成分分析的全局特征提取方法,并提出了将二维主成分分析获得的全局特征用于特征融合的新思路。(4)研究了基于Gabor变换的人脸局部特征提取与识别方法。为了充分利用人脸图像中的结构信息,本文提出了将分块技术与Gabor特征提取相结合的新思路,针对分块思想,本文设计了两种方案；在最终的分类器设计中,将模糊分类决策规则用于匹配识别；最后考虑到Gabor变换和识别过程计算量较大,本文将均匀采样技术应用于Gabor分块人脸识别中,取得了较好的实验结果。(5)全局特征与局部特征进行融合。文中首先讨论了特征融合的必要性及其特征融合与集成的方法,然后将全局特征和局部特征进行了有效的融合,实验表明,融合的系统提高了人脸识别系统的性能。通过以上工作,构建了基于全局与局部特征融合的人脸识别系统,实验验证表明,从全局和局部两个角度出发改进人脸识别系统的思路是有效的。