日常生活中，身份认证几乎无所不在，而在当今的网络时代和移动支付时代，传统的身份认证方式已经越来越不适应信息社会高速发展，因此生物识别技术得到快速发展，市场上出现了大量相关的产品，并且已经在一些领域开始应用，如当前手机上配置的有指纹解锁功能，同时也应用到指纹支付；在各大银行通过人脸注册办理银行卡等等。生物识别技术中人脸识别技术以其独特的优点，被广大专家和学者认为是发展潜力最大，拥有最广的应用市场。目前，人脸识别技术的核心工作在于获取人身上具有明显识别性的特征，如果人脸所处背景不复杂特征获取就相对容易，但当人脸所处环境相对复杂时，人脸特征的获取将会变得十分困难，需要进行很多地处理来试着消除干扰。因此，目前这方面的研究还有很多问题亟需解决。　　本文主要学习和研究了整个人脸识别系统的框架和流程，并深入了解了其中的检测、预处理和识别三大模块的原理，最终完整的实现了检测算法；并针对光照问题，提出了一种新型的预处理算法；同时针对LTP识别算法的局限性，做出了相应的改进，通过实验证明改进的识别效果更好。本文主要的研究工作包括：　　1、检测分类器的实现。详细介绍了AdaBoost算法的基本原理，以及积分图快速计算Haar特征的特征值的方法和原理，这两者构成了整个人脸检测的框架。最终，通过自己收集的人脸正负样本成功地训练出检测分类器。　　2、对于左右两边光照强度不等的人脸图像，提出了使用左右分边直方图均衡化的预处理方法，这样处理后的图像比对整个人脸进行相关处理取得的效果要更好。　　3、提出了加权自适应阈值的LTP算法，针对LTP中人为设定阈值的不足，提出了利用区域的均值和标准差作为阈值，这样每个区域都有合适的阈值，使其不受噪声的影响，能够提取更细致的纹理特征。同时在分块后的区域直方图特征中加入了权值，权值由该区域的信息熵决定，这样直方图特征能更好地表征人脸关键特征。　　4、最终将前面实现的算法相结合，完成了整个系统的模块设计，并采用Qt和Opencv等技术完整地实现了整个人脸识别系统，同时采用了Yale、FERET和BioID人脸数据库来测试了该系统的性能。