人脸识别研究的核心问题是使计算机具有身份辨别的能力。该研究具有重大的理论意义和实际应用价值。人脸识别技术的系统研究能够推动人工智能和计算机视觉等相关领域的发展。作为生物特征识别关键技术之一的人脸识别技术则在身份认证、视觉监控、人机交互、公共安全、信息安全、金融等领域具有潜在的应用前景。　　经过几十年的发展，人脸识别技术取得了长足的进步，在理想情况下好的人脸识别系统已经能够取得可以接受的识别性能。但非理想条件下的人脸识别技术还远远未能满足人们的需要。本文重点探讨实现鲁棒人脸识别系统的一些核心技术和关键问题，对面部特征精确配准、特征提取和表示、非线性判别分析等方面进行专门研究。本文的主要研究内容总结如下：　　1．研究面部特征精确配准问题，提出基于约束形状模型的面部特征提取方法。面部特征精确配准是实现鲁棒的人脸识别系统的基本前提。本文首先对面部特征点进行分类，对不同类型的特征点采取不同的建模和搜索方法，从而提出一种约束形状模型(Constrait Shape Model, CSM)。该模型的要点包括：(1)面部特征点分成边缘点，控制点两部分。(2)对于边缘点采取改进的主动形状模型进行建模的策略，即考虑边缘强度信息对边缘点建模的贡献。(3)对于控制点采用Gabor特征进行建模，以及基于启发式的搜索策略。实验表明，CSM能够更精确定位面部关键特征。　　2．提出基于 Gabor象限特征的人脸识别方法。目前，Gabor特征在人脸识别领域获得了广泛应用，然而大多数人脸识别系统是基于幅值特征的。本文提出一种基于 Gabor象限特征的鲁棒人脸识别方法(Histogram of Gabor Phase Pattern，HGPP)。该方法具有如下特点：(1)大多数传统人脸识别方法都是基于 Gabor幅值特征，而 HGPP方法完全基于 Gabor相位特征。(2)提出一种新的局部异或算子(Local XOR Pattern, LXP)用来提取局部象限变化。(3)HGPP方法无需训练，直接提取直方图特征，因而避免了统计学习领域的泛化分析问题。　　3．对局部异或算子进行一般性扩展。本文提出的局部异或算子(LXP)成功的应用到Gabor象限特征上，并且取得了非常好的性能。但是我们发现该算子仅仅适用于二值运算，针对这一问题，本文提出一种对其进行一般性扩展的方法，即该算子可以适用于灰度图像。基于此，进一步融合Gabor的幅值和相位信息，本文又提出基于 Gabor特征的局部异或直方图(Histogram of Gabor-based Local XOR Pattern，HGLXP)方法。该方法具有如下特点：(1)根据不同的梯度方向对人脸图像进行二值化。(2)LXP算子被用来反映相邻点之间梯度方向的一致性。(3)LXP算子成功和Gabor幅值和相位特征进行结合，最后提取空间直方图特征作为判别特征。(4)HGLXP方法无需训练，直接提取直方图特征，因而避免统计学习领域的泛化分析问题。　　4．证明核费舍尔和支持向量机之间的内在联系，提出了基于支持向量的非线性判别分析方法。核费舍尔和支持向量机是核技巧的两种成功的应用，它们之间具有内在联系。本文证明了二者的内在联系，即支持向量机的法向量具有零空间特性。基于该特性，本文提出了基于支持向量的判别分析方法，实验表明该方法是非常有效的。　　5．提出基于直方图特征的集成核费舍尔判别方法。直方图特征被成功的应用到人脸识别领域，并且无需训练，从而避免了泛化分析问题，然而训练数据集合中包含大量先验知识没有得到应用，所以本文提出一种应用先验知识的基于核费舍尔的统计学习方法，来进一步提高人脸识别系统的性能。　　本论文的上述内容探讨了实现鲁棒的人脸识别系统的一些关键问题，尤其在面部特征精确配准、特征提取和表示、非线性判别分析方面进行了深入研究，具有一定参考价值和借鉴意义。