人脸识别技术的研究目的是为建造能够自动识别人脸的各种智能系统提供技术支撑,而建造人脸自动识别系统的关键是快速、有效地进行人脸特征提取。但人脸特征提取又受到人脸相似性、光照、面部表情、姿势、人脸的遮盖物(例如口罩、眼镜、头发、胡须等)、年龄等多方面因素的影响。因此,本文针对人脸特征提取的影响,主要从以下几个方面进行研究分析:针对人脸相似性方面的影响,本文通过选取STDPCA方法,将劣势变优势,利用人脸相似性的特点引入奇偶图像,同时得到的奇偶图像也对人脸库中的样本容量进行了扩充。针对光照方面的影响,本文将相位一致性原理应用于人脸识别中,利用相位重构图像能够在很大程度上去除光照条件影响的特性,通过对人脸图像进行相位一致性处理,不仅可以提高识别率,同时也重新验证了相位谱重构与相位一致性结合可以去除光照的影响,并能提取有用的人脸特征信息。针对姿势、表情变化方面的影响,本文对STDPCA算法进行改进,扩展为基于相位一致性的模块化STDPCA算法。此方法首先将相位一致性处理过的人脸图像引入镜像样本,对其进行奇偶分解,并分别将奇偶图像划分为更小的区域;然后对每一小区域采用TDPCA分析,得到人脸特征向量。当出现姿势或光照变化的时候,仅仅只需对姿势改变的小模块和光照发生变化的小模块进行分析,则没有变化的模块保持人脸图像不变。改进的基于相位一致性的模块化STDPCA方法能很好的保全人脸图像全局信息,并采用模糊分类法对划分的小模块进行组合。