人脸识别技术在电子商务、日常生活等领域得到非常广泛的应用,也是几十年来模式识别和计算机视觉中的研究热点之一。但是在实际应用中,人脸图像是在不受控环境下获取的,而且采集到的训练样本数量有限,在这种条件下就会极大地影响人脸识别系统的性能。研究在各种非约束环境下最有效、最具有分辨力的人脸特征提取算法,是开发出实用、真正高效的自动人脸识别系统的关键。局部二值模式(Local Binary Pattern,LBP)是一种高效的图像纹理描述算子,近年来,受到了越来越多的关注并成功应用于人脸识别领域。然而,LBP算子本身还不完善,主要存在以下问题:由于其阈值完全依赖局部区域的中心像素,因此LBP对于噪声较为敏感,另外,提取LBP特征前进行分块往往会带来的偏差问题,以及在复杂光照条件下其性能不够鲁棒等。本文重点对这些问题开展研究,论文主要工作如下:1.针对LBP算子的阈值完全依赖局部区域中心像素的缺点,本文提出了自适应阈值的ALGTP(Adaptive Local Gabor Ternary Pattern)人脸识别方法。该方法通过计算局部区域像素的均值和方差,自动生成局部区域的阈值,它不再完全依赖于局部区域的中心像素。2.针对图像提取特征前进行均匀分块所带来的偏差问题,提出了更具有鲁棒性的基于SIFT算法的自适应分块策略,该方法尽量把人脸五官分到同一个区域。实验结果表明,该分块策略提高了ALGTP对人脸的姿态变化,尤其是左右旋转变化的鲁棒性。3.针对LBP在复杂光照条件下其性能不够鲁棒的问题,本文提出了一种基于光照归一化预处理和ALGTP的人脸识别方法。该方法在进行ALGTP特征提取之前,先利用光照归一化技术对人脸图像进行预处理,从而有效提高了ALGTP描述子对光照变化的鲁棒性。