人脸识别是现代生物信息识别中的一项重要技术，与其他生物特征识别技术相比，有更直观简单可扩展性强等优势，长期以来得到了非常广泛的发展和应用通常所说的人脸识别技术，基本都是对于特定的人脸图像，利用已经存储的人脸数据库来确认该图像中的一个或多个人的身份现有的人脸识别方法中，绝大多数需要对人脸图像进行预处理和特征提取特征的选取对遮挡噪声等复杂情况缺少鲁棒性，并且选择不同的特征，往往会对最终的识别结果产生比较大的影响这些问题使得基于特征提取的方法在应用中受到很大的制约稀疏表示方法具有识别率高鲁棒性强时间复杂度低等一系列优点本文从稀疏表示的基本理论入手，重点研究其在人脸识别领域中的应用首先阐述了现有的稀疏表示方法，通过实验分析了其在人脸识别中的可行性和优势然后以此为出发点，提出了改进的基于稀疏表示的人脸识别方法其主要思想是选择合适的训练样本集对测试样本进行重构，通过重构的结果实现对测试样本的分类在第四章，以每个类中为单位，从中各选择一个距离测试样本最近的样本，组成新的训练样本集在实验中我们很容易发现，识别率受两种样本的相似性的影响比较高即，相似性越强，识别率越高；反之，就越低于是，在第五章，我们打破以类为单位的局限，直接从整个训练样本集中为测试样本选择最近邻在选择时，为了处理诸如光照遮挡等复杂的情况，引入了高斯核函数在其特征子空间上进行选择与第四章的方法相比，该选择方法选择的最近邻与测试样本有更大的相似性，通过大量的实验可以发现，该方法能够达到更好的识别效果和更低的时间复杂度