经过多年的人脸识别技术研究积累,正常的人脸图像中的人脸识别技术已比较成熟,并且在相关的应用场景下得到成功应用,在环境受限和用户配合情况下已经基本可以满足实际应用的需求。然而在一些较复杂的应用场合或者人员非配合的状态,存在着人脸图像多视角、多姿态和有噪声情形,目前的人脸识别技术未能很好地达到有效识别人脸的需求。要识别多视角、多姿态和有噪声情形的人脸,首先必须从人脸图像特征学习降维的方法进行研究。典型相关分析方法是一种较有效的特征降维方法,本文正是从这一角度出发,结合典型相关分析方法的优势以及复杂环境下人脸识别的需求,对典型相关分析的方法进行了拓展研究,提出了两个改进的典型相关分析特征降维方法,并将改进的方法应用到人脸识别中。论文的主要工作内容如下:1)针对特征对于类别鉴别性有不同贡献的特点,研究了基于特征诱导的典型相关分析的特征降维方法,提出了一种基于特征诱导的核典型相关分析特征降维方法。该方法通过引入特征影响因子对特征空间施加惩罚来拓展核典型相关分析模型,通过使用夹角余弦相似性度量特征的贡献度来联合投影向量进行优化求解,以期迭代地学习特征与特征之间的内在关联关系,抑制不同的特征所造成的模型建立的影响,并将该方法用于人脸识别。实验结果表明了该方法可提高多视角、多姿态情形下的人脸识别准确率。2)针对人脸图像有噪声和多视角而导致人脸识别准确率不高的问题,本文提出了样本诱导的核典型相关分析特征降维方法。该方法在传统的典型相关分析中通过引入样本因子对样本空间施加惩罚,以抑制不同的数据样本所造成的影响,通过使用夹角余弦相似性度量的样本分解策略,迭代地学习数据样本与主投影向量之间的关系,并将这一方法拓展到核典型相关分析模型中,形成了基于样本诱导的核典型相关分析特征降维方法。并将该方法用于人脸识别。实验结果表明了该方法可有效提高多视角和有噪声情形下的人脸识别准确率。3)采用面向对象设计方法,使用VC++和MATLAB混合编程技术,设计实现了基于所提方法的人脸识别原型系统。该系统有人脸图像库建立、模型训练以及人脸识别三大模块。系统运行表明了所提出的方法在中小规模的人脸识别系统开发中的可用性。