人脸识别作为模式识别的经典问题,长期以来一直受到极大的关注。随着计算机技术的日趋成熟,人脸识别已经开始广泛应用到全新人机界面、基于内容的检索、基于目标的视频压缩、数字视频处理、视觉监测等许多领域。经过三十多年的发展,人脸识别技术取得了长足的进步,目前最好的人脸识别系统在理想情况下已经能够取得可以接受的识别性能,并已经出现了若干人脸识别系统。但由于人脸识别问题的复杂性和客观条件的多重影响,人脸识别应用系统仍然面临着许多需要解决的关键问题。人脸特征提取是人脸识别的关键,关系到分类识别算法的选取与识别正确率,从一定意义上讲,它关系到自动人脸识别系统的有效性。本文研究了基于特征的人脸识别方法,分析了现有的人脸识别技术。研究学习了PCA、2DPCA. LBP等常用的特征脸提取方法,对于SVM、AdaBoost等常用的分类器进行了相关研究。我们提出了一种基于HOG特征的人脸识别方法,HOG是是应用在计算机视觉和图像处理领域的一种特征描述器它与边缘方向直方图、尺度不变特征变换以及形状上下文方法有很多相似之处。基于OpenCV开源库,我们使用了一个线性SVM分类器在YALE人脸库上进行了HOG特征提取和识别的实验,并且取得了较好的结果。