人脸识别是生物特征识别的关键技术之一,而抽取有效的鉴别特征是人脸识别研究的一个关键问题。在众多特征抽取方法中,子空间方法以描述能力强、计算代价小、有效等特点成为人脸识别的主流方法之一。本文以人脸识别的特征提取技术为研究目标,重点以子空间分析方法为研究手段,进行了更深入的研究。首先结合国内外研究现状,指出人脸识别中特征提取技术对于科研及应用的重要意义,并且对人脸识别技术的研究现状及方法进行了分析和总结;然后介绍了基于子空间分析方法的基础理论知识,针对特征提取技术进行了深入系统地研究。最后,在深入分析现有理论和相关算法的基础上,提出了三种改进的基于子空间的特征提取算法并应用于人脸识别:1.基于局部保持投影的最大辨别信息投影。该算法在保持数据集局部流形结构相对稳定的前提下,充分考虑了样本的类别信息,使不同类数据点彼此更加分散,从而获得了较好的鉴别能力。该算法在特定条件下可以转换成MMC和LPP算法,是两种算法的有机融合。2.基于间距最大准则的位置保持投影。该算法在最大化类间离散度的同时最小化类内离散度,兼顾了类间和类内结构,提高了算法的有效性和稳定性。3.基于UDLPP的不相关局部信息投影。该算法在保持局部信息的同时,使得类之间尽可能的分离,在原始空间中相互远离的类在特征空间中也远离,最大限度地保留样本所包含的有用鉴别信息。而且该算法统计不相关的约束条件,进一步提高了算法的性能。通过多个人脸库的实验验证了以上三种算法的可行性和有效性。