随着视频监控,信息安全,图像检索等技术的快速普及,作为生物鉴别技术的一种主要技术手段,人脸识别得到了广泛的关注和发展。经过几十年的不断努力,现有的人脸识别系统,在可控条件的环境中具有很好的识别效果。然而,一旦环境发生改变,系统识别率急剧下降。随着压缩感知的理论兴起,稀疏表示被引入到人脸识别当中。目前,Sparse Representation Classification (SRC)方法仍处在不断的完善和发展之中。本文主要是通过研究SRC方法的实现过程和作用机制,得到有效的改进算法,并设计实现人脸识别系统。本文的主要工作如下：1.对人脸识别问题和稀疏表示理论进行了研究,并详细阐述了目前主流的特征提取方法以及信号重构算法。2.研究了稀疏表示的分类框架结构,对相应的算法进行Matlab仿真实现,并针对现有算法的不足进行了分析和研究,并提出了改进方法。该方法通过改进原有字典的分组策略,将字典中的原子按类别标签排列组成,避免每次迭代只从字典中选择一个原子对样本进行表示。仿真结果表明,组稀疏表示方法具有较好的识别结果和鲁棒性。3.针对现有SRC方法求解存在的不足,提出了一种低秩子空间联合稀疏表示人脸识别方案。将字典分解为有效项与误差项两部分,利用这两部分的稀疏逼近计算残差,进行分类判别。有效的降低遮挡对识别率的影响。4.设计与实现了一个基于Matlab 2009人脸识别实验平台。该系统包括人脸图像输入、预处理、特征提取和分类识别模块。在该系统上验证了本文提出的方法的可行性和有效性。