人脸识别技术因具有重要的科学意义和实用价值,在近几年得到了研究者的高度重视,成为当前模式识别和人工智能领域的一个研究热点。它可以广泛地应用到安全部门、身份鉴别、电视会议、数字监控等领域。人脸识别一般分为人脸检测、特征抽取和模式分类三个部分。本文在综合分析国内外现有的人脸识别技术的基础上,对流形中的局部保持投影(locality preserving projections, LPP)算法进行了研究,提出基于中心域的LPP算法和基于约束的LPP算法。并设计实现相应的原型系统。本文的工作主要包括：(1)提出基于中心域的LPP算法。LBP算法简单,能方便地扩展到对整体特征的提取,本文首先利用LBP获取全局特征,然后对图像进行不均匀分块,提取包含眼睛、嘴巴等关键器官的中心域图像,以各中心域图像相互之间的欧式距离为标准构建最近相邻图,最后进行特征映射得到LPP算法的流形特征空间。该算法能有效地解决LPP算法中近邻图不能很好的表示流形空间的局部结构问题,并得到较少数量的特征维数。(2)提出基于约束的LPP(constraint LPP, CLPP)算法。考虑到LPP算法是无监督的,没有利用样本的类间信息,本文结合监督、半监督算法和流形学习方法,提出基于约束的LPP算法。该算法首先创建有标记和无标记两类近邻图,然后根据不同的规则赋值权重,将有标记近邻图的权重作为无标记权重的约束值,更改目标函数,增加约束值,最后进行特征映射形成新的流形特征空间。实验结果表明,该算法可以有效地利用样本的类间信息,提高识别率。(3)提出一种最近邻分布分类器。首先将要比较的训练特征集划分为多个子集,求取每一训练特征子集的均值和方差,根据分布的思想判断其整个子集与待识别样本的相似程度,然后将待识别样本与对所选取的相似子集中的每一个训练样本用最近邻分类器进行分类。该方法将分布判断思想与最近邻判断思想结合起来,可以有效地减少近邻判断的计算量,提高人脸识别率。(4)采用面向对象思想设计并开发基于LPP算法的人脸识别原型系统。该系统由图像预处理、LBP全局特征提取、LPP特征空间构建和人脸识别四个功能模块组成,实现以不同的方式构建最近相邻图,得到不同的特征空间。通过人脸识别的实验对比验证上述算法的有效性。