近年来，随着模式识别技术的高速发展，依据人体生物特征进行身份鉴定已经成为一个受到大量关注的模式识别领域。在诸多基于生物特征的识别技术中，人脸识别以其强烈的视觉直观性和便捷性，逐步呈现出了重要的研究价值。在应用领域，该技术也有十分广阔的应用前景。截至目前，人脸识别技术已经取得了一定的研究成果，并在某些场合得到了初步的应用。但该项技术的性能还有待提高，尤其是在复杂环境下，人脸识别技术的表现结果往往不能达到人们的期望。优秀的人脸识别系统应该具有良好的人脸检测功能以及鲁棒的人脸识别性能。现有的研究常将人脸检测与人脸识别割裂开来，而忽略了如何发挥二者的整体性能等问题，此外，已有的人脸识别算法也大多针对原图像空间进行处理，忽略了图像的特征空间。鉴于此，本文提出了一种对检测的人脸进行重新定位，并提取人脸的不同特征进行特征融合，运用KNN+稀疏表示算法进行人脸识别的方法。在本文中，我们对基于人脸检测的结果进行人脸重新定位、人脸特征提取、特征融合以及人脸识别算法的效率等问题进行了深入的研究。在人脸检测阶段，我们首先利用基于Haar特征的Adaboost算法进行人脸检测，然后根据人体面部的五官分布对检测到的人脸进行重新定位，有效地降低了人脸所在的背景对识别结果的影响。在人脸识别阶段，首先对人脸图像做Gabor滤波，提取图像变换后的均值与方差，然后提取图像完备的LBP特征，将两种特征进行融合，最后对传统的稀疏表示算法进行改进，有效的提高了识别算法的识别精度。