隨著計算機和信息技術的快速發展，人臉識別技術越來越受到重視，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別的一些關鍵問題，提出了一些改進方法，并通過實驗進行了可靠性驗證. 針對LBP算法提取人臉圖像的表情特征信息時會丟失特殊的特征信息的缺點，本文提出了多重局部二值模式的人臉表情識別方法（Multiple Local Binary Patterns，MILBP），該方法在保持LBP算法優點的前提下，通過增加一位二值編碼，利用中心像素點作用以及鄰域像素點灰度值之間的關系，得出特征向量圖. 實驗結果表明MLBP算法比LBP算法描述的表情紋理圖像更加均勻，且識別率約提高10%. 針對人臉表情圖像進行紋理特征提取時的模塊大小劃分問題，本文提出將MLBP算法與Harr小波分解相結合，該方法首先將表情圖像進行Har小波分解，得到四幅不同頻率的子圖像，然后對其中三幅圖像進行MLBP特征提取，并將得到的特征值串聯形成表情圖像的特征向量。實驗結果表明該方法比MLBP方法直接提取表情特征所產生的特征向量的維數減少了25%，特征提取和識別的速率提高了，其中識別率約提高了9%. 人臉識別研究中的識別率容易受光照強度的影響，針對MLBP算法在光照變化時具有旋轉不變性，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），該方法先對人臉圖像使用Gabor小波進行變換處理，保留受光照影響較小的高頻部分，然后再采用MLBP算法對Gabor提取后的圖像采用分塊編碼，最后得到聯合直方圖序列，獲得豐富的局部特征信息，實驗結果表明了該算法有效的降低了光照對識別率的影響，提高了光照不均勻時的人險識別率，且在特征提取方面比Gabor等算法更加有效.