人脸识别是模式识别领域中的一个极具挑战性的课题，在人机交互、安监、执法、接入系统等很多领域成为越来越重要的技术。人脸识别的关键是从人脸图像中提取具有良好区分度的特征，作为一种经典的图像局部纹理描述方法，局部二元模式（LBP）计算简单，能提取局部的细节特征，在包括人脸识别的许多领域中都取得了很好的效果。但传统的LBP算子是通过邻域内的像素灰度值和中心像素灰度值的简单比较得到的，这种比较因为太过粗放而不能有效的提取足够的特征。本文从局部二元模式（LBP）和数字图像的八邻域的概念受到启发，对八邻域的概念进行了扩展，构建了一种新的特征模型——扩展八邻域局部纹理特征，用来描述局部区域八个方向的纹理特征，并将其应用于人脸识别领域。在此特征的基本模型基础上，本文后续引入筛选模式和自适应阈值，使其特征提取能力进一步增强，在人脸识别领域的效果也有了进一步的提升。最后本文使用支持向量机分类器来分类识别提取了扩展八邻域局部纹理特征的人脸图像。通过在ORL、AR和FERET数据集上的一系列的实验发现，我们的新特征是一种区分度很好的特征，比LBP和统一模式的LBP表现地更好。实验结果还表明新特征对于人脸图像具有很好的特征提取能力，尤其是在处理低分辨率图像和复杂光照条件图像方面有很强的鲁棒性。