隨著計(jì)算機(jī)和信息技術(shù)的快速發(fā)展，人臉識(shí)別技術(shù)越來(lái)越受到重視，本文主要研究了人臉在不同光照、不同表情下的特征提取與識(shí)別的一些關(guān)鍵問(wèn)題，提出了一些改進(jìn)方法，并通過(guò)實(shí)驗(yàn)進(jìn)行了可靠性驗(yàn)證. 針對(duì)LBP算法提取人臉圖像的表情特征信息時(shí)會(huì)丟失特殊的特征信息的缺點(diǎn)，本文提出了多重局部二值模式的人臉表情識(shí)別方法（Multiple Local Binary Patterns，MILBP），該方法在保持LBP算法優(yōu)點(diǎn)的前提下，通過(guò)增加一位二值編碼，利用中心像素點(diǎn)作用以及鄰域像素點(diǎn)灰度值之間的關(guān)系，得出特征向量圖. 實(shí)驗(yàn)結(jié)果表明MLBP算法比LBP算法描述的表情紋理圖像更加均勻，且識(shí)別率約提高10%. 針對(duì)人臉表情圖像進(jìn)行紋理特征提取時(shí)的模塊大小劃分問(wèn)題，本文提出將MLBP算法與Harr小波分解相結(jié)合，該方法首先將表情圖像進(jìn)行Har小波分解，得到四幅不同頻率的子圖像，然后對(duì)其中三幅圖像進(jìn)行MLBP特征提取，并將得到的特征值串聯(lián)形成表情圖像的特征向量。實(shí)驗(yàn)結(jié)果表明該方法比MLBP方法直接提取表情特征所產(chǎn)生的特征向量的維數(shù)減少了25%，特征提取和識(shí)別的速率提高了，其中識(shí)別率約提高了9%. 人臉識(shí)別研究中的識(shí)別率容易受光照強(qiáng)度的影響，針對(duì)MLBP算法在光照變化時(shí)具有旋轉(zhuǎn)不變性，以及Gabor小波能提供空間位置、空間頻率的特性，本文提出了多重局部Gabor二值模式方法（Multiple Local Gabor Binary Pattern，M LGBP），該方法先對(duì)人臉圖像使用Gabor小波進(jìn)行變換處理，保留受光照影響較小的高頻部分，然后再采用MLBP算法對(duì)Gabor提取后的圖像采用分塊編碼，最后得到聯(lián)合直方圖序列，獲得豐富的局部特征信息，實(shí)驗(yàn)結(jié)果表明了該算法有效的降低了光照對(duì)識(shí)別率的影響，提高了光照不均勻時(shí)的人險(xiǎn)識(shí)別率，且在特征提取方面比Gabor等算法更加有效.