人脸识别具有重要的理论价值和广泛的应用前景。尽管近年来人脸识别技术取得了长足的进步,但现有算法的性能尚不能满足各种应用的实际需求。从某种意义上讲,人脸识别问题的核心是人脸建模问题,而近年来,基于人类视觉感知机理的产生式模型在视觉领域受到了广泛关注,尤其是基于局部建模的方法更取得了较大的成功。本文在分析现有的产生式方法的基础上,对基于局部建模的人脸识别方法进行研究,取得了以下研究结果:(1)提出了一种基于稠密局部匹配(Densely Local Matching,简写为DLM)的人脸识别方法。该方法通过对原始人脸图像进行稠密重采样,得到反映不同局部区域特征的子图像,并最终通过融合局部子图像匹配结果来得到最终的图像匹配相似度。本文对不同的图像分块策略(稠密和稀疏、分块大小等)以及融合策略(全部融合和部分融合)进行了实验分析,实验结果表明融合部分稠密采样的局部匹配方法可以取得更好的性能。(2)提出了一种基于局部视觉基元(Local Visual Primitives,简写为LVP)的产生式模型,并用于人脸重建和识别中。该方法通过对密集采样的局部图像模式进行聚类来获得能够反映人脸局部变化模式的视觉基元,这些基元在视觉效果上与图像微视觉结构非常吻合,可以用于组合高层的语义特征(如眼睛,鼻子,嘴等),实验结果表明使用数百个LVPs就可以很好的重建高维灰度人脸图像(原始维数为56x63)。此外,本文还提出了基于LVP的人脸识别方法,该方法通过对图像的LVP索引建立空间直方图模型,并采用直方图交计算相似度来实现人脸识别。在FERET人脸库上的实验结果表明,该方法具有较好的识别性能。上述初步研究结果表明,即使采用较为简单的分类识别策略,基于局部模型的方法仍能取得良好的识别性能。我们相信通过将局部模型与性能更优的判别分析技术、统计学习方法结合,有望取得更好的识别性能。