近年来，人脸识别技术得到了广泛的重视和发展。在安防、刑侦、人机交互等领域，发挥着越来越重要的作用，已逐步进入到了应用推广阶段。与此同时研究人员对更高效而准确的人脸识别算法一直从未停止探索。人脸识别算法是人脸识别系统的心脏和灵魂，也是评价一个人脸识别系统的最重要的标准之一。 现今，人脸识别算法所面临的主要挑战是：在光照、环境以及被识别人本身的化妆、年龄老化、胖瘦变化、表情变化、脸部装饰等因素的影响下，识别算法常常不能准确工作。由于这个弱点，人脸识别显得不像其他生物识别技术那样可靠，这样就影响了这项技术的大面积推广和普及。因此，在现阶段，如何提高识别算法在恶劣光照下以及在面对不同时期的人脸时的准确率，是研究的重点。 在本文中，提出了一种综合利用低维Gabor特征，ATICR光照纠正、Gabor滤波、Choquet模糊积分多分类器信息融合等方法，并同时采用全局以及局部特的一种综合性的人脸识别方法。 首先，整个方法以Gabor特征为素材，它的应用提高了该方法的整体鲁棒性。不管是在光照问题上，还是在识别上，Gabor特征为是此方法的有效性打下了重要的基础。基于掩膜的降维策略，并不简单地减低了Gabor特征的维度，同时还能取其精华，去其糟粕，留下来对识别取到更关键作用的全局特征，从而不影响整体的识别效果。 其次，基于仿射变换．AT算法以及光照补偿模型ICR相融合的光照预处理方法得到了应用。它能够有效地调整光照条件，与其他预处理方法相比，他不仅不会破坏图像原有的纹理，造成噪声干扰和信息丢失，反而能还原和增强了图像的纹理特征。使得Gabor特征的有效性的到了很好发挥，从而极大地增强了算法对质量不高的图片的识别上的鲁棒性。 在Choquet模糊积分方法的支持下，本文创新地融合了全局Gabor特征和局部Gabor特征。通过这种融合策略，我们大大的增强了算法在光照影响下的识别效果，同时也减轻了人脸老化以及面部装饰变化等不利因素的影响，提高了整体的识别效果。 经过在普通人脸数据库(如ORL)、不同光照条件下的数据库(如Yale，IFACE)、年龄等不同数据库(FERETDUl，DU2)的测试，我们认为这是一个综合表现优秀的识别方法。