人脸识别技术经过几十年的发展取得了长足的进步，在特定环境下已经得到了较为成熟的应用，但在一些条件苛刻的情况下仍然存在着许多问题。随着移动时代的来临，智能手机在人们生活中扮演着越来越重要的作用，移动环境下的人脸识别也受到了越来越多的关注。本文结合移动环境下人脸识别的特点，针对光照和大规模数据处理这两个关键技术问题展开研究，并设计和实现了多个版本的原型系统，主要工作如下：一、研究移动环境下光照预处理问题。研究移动环境下光照变化对人脸识别准确性的影响，提出一种基于光线传感器数据的移动Gamma强度矫正算法(M-GIC)，该算法结合智能手机特点，有效地解决了智能手机计算和电能有限与系统性能之间的矛盾，为人脸识别在移动设备中的应用提供新的思路。二、建立了专门用于移动环境下人脸识别研究的标准人脸数据库(HNU-MFD)，包含移动场景下的22种光照等其他条件下的数据，并进行了基准测试，和现有人脸数据库相比，HNU-MFD具有以下特点：1)真实环境下采集；2)使用移动设备采集；3)图像数据中包含传感器采集的文本数据。为后续基于移动环境下的人脸识别研究提供了数据保证。三、研究了大规模人脸识别问题。针对大规模、海量人脸数据识别应用中出现速度和精度上的问题，本文提出用聚类算法对人脸特征数据进行预分类，并根据分类结果建立分布式系统及数据库的方法，大大减少每次识别人脸特征的比对工作量。实验表明在不降低识别率的前提下，系统速度得到了有效提升。聚类算法与人脸识别算法细节无关，因此具有较好的算法相容性和系统可扩展性。四、实现了基于Android平台多版本多形式的人脸识别系统。在分析了移动人脸识别的意义和应用场景基础上，实现了拍照形式、视频监控形式和离线轻量级人脸识别三种形式的原型系统，为进一步研究移动环境下的人脸识别奠定了基础。