人脸的研究是跨越人文科学与自然科学的新兴交叉研究领域,在最近几年得到了模式识别领域众多学者的重视,也取得了良好的研究成果。针对人脸这种生物特征的识别,在其过程中最为重要的一个环节是特征的提取,更好的提取出人脸的特征,将会使得识别更有有效和准确,提高分类的同时,也是的识别率有良好的提高。目前的人脸识别研究主要有两个方向:其一是基于整体的研究方法,它考虑了模式的整体属性；其二是基于特征分析的方法。本文是针对特征分析方法中子空间算法中的流行学习算法LPP进行探讨学习,主要工作体现在以下几方面:　　 1.在继承LPP(二维保局投影)算法主要思想的前提下,对二维2DLPP算法进行改进,先求得样本行方向的投影矩阵,再将得到的新的矩阵做为新样本进行列方向的投影,进而得到图像的双向特征矩阵,以达到对样本降维的目的,此方法在有效提取人脸局部特征的同时,也降低了算法所需要时间,实验结果证明该方法对光照和姿态的变化具有一定的鲁棒性和较高的识别率。　　 2.二维保局投影算法在较好寻求人脸样本的局部相似信息,但对于人脸这样的生物特征个体来说,有些必要的差异信息有其个体差异性的,这样对于局部的差异信息的提取也显得非常有效,2DSLDP算法更好的做到了在保持相似性的同时又不忽略差异性,本文对2DSLDP算法进行分块研究,即先对样本图像进行分块,再对每个块做2DSLDP算法,实验结果表明该算法取得了良好的识别率。