针对2维主成分分析(2DPCA)算法无法实现在线特征提取及无法体现完整数据结构信息等问题，该文提出一种基于图像协方差无关的增量式2DPCA(I2DPCA)算法。该算法无需对图像协方差矩阵进行特征值分解奇异值分解，复杂度将大为降低，提高了特征提取速度。针对I2DPCA仅提取了横向特征的问题，又提出一种增量式行列顺序2DPCA(IRC2DPCA)算法，该算法对I2DPCA的特征矩阵再次进行纵向特征提取，保留了图像的横向与纵向结构信息，实现了行列两个方向上的特征提取与数据降维。最后，以自建的物块数据集、通用的ORL和Yale人脸数据集分别进行对比实验，结果表明，该文算法在收敛率、分类率及复杂度等性能方面均得到了显著提高，其收敛率达到99%以上，分类率可达97.6%，平均处理速度为29 帧/s，能够满足增量特征提取的实时处理需求。