在现有的众多生物识别技术当中，人脸识别技术以其特有的主动性、用户友好性以及可靠性等优势，在刑侦、信息安全、自助服务等方面得到了广泛的应用。因为人脸很容易受到光照、遮挡及表情等诸多因素的影响，使得所获取的人脸图像之间存在较大的差异，给人脸识别带来了极大的困难。其中以光照和遮挡给人脸识别造成的影响最为严重，光照可引起人脸图像的灰度信息急剧变化，遮挡会导致人脸的重要特征信息的丢失，使得普通算法无法正确识别人脸，因此研究光照和遮挡下的人脸识别显得尤为重要。提取光照不变特征是处理人脸光照问题的关键技术之一。基于对HMM(Hidden Markov Model，隐马尔可夫模型)的系统研究分析，提出了建立光照人脸EHMM (Embedded Hidden Markov Model，嵌入式隐马尔可夫模型)的算法。Gabor特征可以很好地模拟动物视觉皮层的滤波响应，描述人在视觉上存在的尺度和方向变化，本文用Gabor小波提取光照下人脸图像的光照不变特征，并用2DPCA(2-Dimensional Principal Component Analysis，二维主元分析)对高维特征降维，生成模型的观测向量，再训练若干光照人脸图像，建立EHMM人脸模型。实验表明，EHMM算法能有效识别光照人脸图像，获得较满意的性能。深入研究了现有人脸遮挡处理主要技术，本文改进了局部HMM方法，提出了一种针对局部遮挡人脸识别的方法。提取人脸图像的LBP (Local Binary Pattern，局部二值模式)特征，再进行DCT变换(Discrete Cosine Transform，离散余弦变换)，获得局部人脸HMM的观测向量，分别为面部器官构建局部HMM，再建立整张人脸图像的HMM。LBP特征对于旋转、尺度及光照有较强的鲁棒性，而DCT有接近于PCA (Principal Component Analysis，主元分析)的去相关性，能通过降维消除图像的冗余信息。改进算法利用Haar特征估计局部遮挡，并为局部遮挡赋予不同的权重。基于AR人脸数据库的大量实验证明，该局部HMM方法能显著提高局部遮挡人脸图像的识别率。