人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,具有可靠,非接触,速度快等特性,被应用于生活中的各种领域。人脸识别技术已经发展非常成熟,但受到光照、姿态以及面部表情等因素的影响,人脸识别技术仍然有很多难点需要研究解决。本文研究人脸识别过程中特征提取部分。为了能够更好地描述图像特征,本文对图像局部细节特征进行描述,LBP算法能较好的描述图像局部纹理特征,并且对不同姿态和光照具有较好鲁棒性;HOG特征能够描述图像的边缘梯度信息,对于发生几何和光学变化具有一定程度的不变性;灰度共生矩阵特征是描述像素值的空间相关特性,本文对三种特征进行融合改进,主要工作和创新点如下:(1)为解决LBP算法在提取人脸特征时容易缺失部分细节特征问题,提出了一种基于最值平均的改进LBP算法(MLBP)。该方法针对3×3模板,计算其九个像素方差,若方差在限定范围内,取中心像素周围八个像素的最大值与最小值的平均值作为阈值进行比较,避免因中心像素值偏大或偏小以致湮没细节的现象,从而保留了更多的局部细节,否则取九个像素的中值作为阈值进行比较,减少噪声。(2)为了能够保留图像的边缘梯度特征以及像素值空间相关特性,本文提出了MLBP-HOG-G算法。利用MLBP算法提取二值纹理图像,然后利用HOG算法对二值纹理图像进行二次特征提取,得到MLBP-HOG特征,用PCA对MLBP-HOG特征向量进行降维,然后将降维MLBP-HOG特征与灰度共生矩阵特征加权进行串行融合,得到融合特征MLBP-HOG-G。(3)为构建人脸识别系统,本文对分类器SVM和KNN进行级联,选取SVM线性可分部分与KNN分类结合,构建级联分类器,并以此结合特征提取构建人脸识别系统。利用MATLAB对本文设计的改进算法以及人脸识别系统算法进行实验验证,通过实验结果进行对比可得出,在本文实验样本空间,本文提出的改进算法对于识别率均有一定的提高,因此,本文实验结果验证了本文改进算法的有效性。此外制作了基于MATLAB中GUI工具的人脸识别系统,该系统可以完成简单的人脸身份信息验证。