人脸识别技术因其直接、方便、友好、易于接受等优点，一直是计算机视觉、模式识别及生物识别领域的热点研究问题，在身份识别、信息安全、社会安全等方面有着巨大的应用前景。在人脸识别中，光照变化的影响是阻碍识别性能提升的主要因素。目前解决光照问题的一种有效方法是利用主动近红外光进行人脸识别，该方法可以为人脸检测和识别提供光照均衡的近红外人脸图片，从而大大减少可见光变化的影响。本文主要对人脸的检测定位、图像特征提取、特征分类识别三个关键模块的算法进行研究以及改进。在人脸检测部分，本文选择了基于主动形状模型(ASM)的方法对人脸进行定位，并对传统的ASM方法进行改进，将Haar特征分类器检测到的人脸粗略位置作为形状模型的初始化位置，在一定程度上减少了迭代的次数，提高了人脸检测速度，并通过实验证明，改进后的ASM方法对于人脸表情、姿态变化有一定的鲁棒性。在特征提取方面，由于Gabor特征在时域、频域都具有很好的表征信号特征的能力，因此本文采用Gabor特征作为识别特征，而不是单纯使用图像的像素特征。在特征分类方面，在深入研究PCA和LDA算法的优缺点之后，提出了一种PCA和LDA结合的算法，在利用PCA方法对高维Gabor特征进行降维的基础上，解决了LDA算法带来的大矩阵和类内散布矩阵奇异的问题，实验证明使用PCA+LDA方法后人脸识别性能得到了提升。在以上算法研究的基础上，本文在Microsoft Visual Studio上搭建了一个基于近红外图片的人脸识别系统，该系统可同时处理静态图片和实时视频，最后在三种不同的光照条件下对系统的性能进行了评估，实验结果证明该系统对不同光照条件有很好的健壮性和鲁棒性。