人脸识别技术就是利用计算机分析人脸图像，提取有效的识别信息来辨认身份或者判别待定状态的一门技术。它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识，是当前研究的热点之一。纹理特征提取指的是通过一定的图像处理技术抽取出纹理特征，从而获得纹理的定量或定性描述的处理过程。本文利用LBP纹理算子来分析图像纹理特征，它利用结构法思想分析窗口特征，再利用统计法作整体的特征提取。在人脸识别过程中首先将脸部图像划分成若干不重复的区域，计算每一区域的自适应LBP码直方图，由各个区域的自适应LBP直方图构成特征向量，描述脸部的纹理分布，然后采用x~2概率统计来计算各特征向量的距离。用FERET人脸库进行实验验证，由于自适应LBP采用了Tamura粗糙度算法调整局部二进制分析窗口的大小，更符合人类的视觉特性和LBP的结构思想。因此取得了更为理想的人脸识别效果。在特征提取阶段，研究了PCA，2DPCA，(2D)~2PCA，混合2DPCA+PCA等多种方法。本文提出的混合2DPCA+PCA框架充分使用了从横向与纵向的2DPCA导出的区别性信息，横向特征与纵向特征分别由基本的PCA处理，在维度方面得到进一步的抽象简化，然后，两种特征被正态化处理，由加权距离融合策略综合处理。我们对FERET与AR数据库的实验证明：融合两种特征，横行与纵向的，可以取得更好的识别效果。