人脸识别作为模式识别、计算机视觉和机器学习领域的一个应用领域,具有重要的理论研究价值,已在安检、人机交互和视频监控等商用领域得到广泛应用。目前人脸识别技术在可控的条件下能取得比较好的识别效果,但在非控制的条件下比如人脸图像中的光照和姿态变化,识别效果会急剧下降。因此,研究在光照和姿态变化下的人脸识别技术仍然极具挑战性。特征提取是人脸识别中的核心问题,本文对人脸识别中的光照问题进行研究,从特征提取的角度出发,设计光照鲁棒的人脸特征表示方法。多尺度LBP直方图特征可以抽取不同层次的统计结构信息,能更好地表征人脸全局特征,而基于Gabor小波的人脸表示是最成功的局部特征表示方法之一。结合局部二值模式(LBP)和Gabor小波对光照变化具有一定鲁棒性的特性,提出了一种融合多尺度LBP直方图特征和快速Gabor特征区域级联的人脸表示方法。为了使抽取出的特征更具有光照鲁棒性,本文在抽取特征前采用小波重构的方法对人脸图像中的光照进行了归一化。采用信息融合的思想,本文提出了一种基于Dempster-Shafer组合规则的人脸识别决策融合方法。Dempster-Shafer证据理论是经典概率理论的扩展,为不确定性信息的表达和合成提供了强有力的方法,特别适用于决策信息融合。为了充分利用人脸的个体特性,本文采用了一种基于个体主成分分析(PCA)特征重构的人脸确认方法。在本文提出的人脸识别算法的基础上,实现了一个具有一定光照鲁棒性的人脸识别原型系统。在大型的人脸数据库CAS-PEAL-R1上的测试结果表明,本文算法能在变光照条件、不同表情和饰物遮盖下取得较好的识别效果。