近期由Candes、 Romberg、 Tao和Donoho等人提出的压缩传感(Compressed Sensing, CS)理论,可以从一个非适应性、线性测量中恢复稀疏或可压缩信号。如果选择适当,测量数目可以比Nyquist速率采样的数目小得多。而且许多信号处理问题的目标并不是为了完全地信号恢复,而是寻求其中的模式分类等问题结果。论文将研究cS理论在模式分类问题中的应用。本文首先介绍压缩传感的基本理论,然后聚焦在CS理论在模式分类问题中的应用展开讨论：(1)将压缩传感用于人脸性别辨认问题；(2)研究压缩传感理论在人脸识别中的应用；(3)将压缩传感用于特定目标检测。主要研究工作及创新性成果如下：(1)建立在现有的人脸检测、特征提取方法以及模式分类器进行整理和比较基础上,实现了一个集成人脸检测和性别识别系统。系统可用于辨认静态图片中所有出现人脸的性别属性,包括人脸检测与预处理、特征提取和性别识别三部分,特定图片测试实验结果表明系统达到较高的识别率。(2)提出一种基于压缩传感理论的人脸性别辨认算法,试图解决在复杂光照环境下人脸性别的鲁棒辨认问题。主要工作包括创建人脸性别数据库,构造人脸性别字典基和在面向复杂光照变化环境的Extended Yale B Database人脸数据库了集上进行算法验证,实验结果表明本文提出算法的计算效率和识别率优于传统方法。(3)介绍人脸识别基于稀疏表示分类的SRC算法和基于Gabor特征稀疏表示分类的GSRC算法,提出基于随机投影Gabor特征稀疏表示分类的RGSRC算法,研究光照、表情变化较大的正面无遮挡人脸识别问题。在AR Face Database人脸数据库上进行算法有效性对比实验,实验结果表明本文提出的RGSRC算法效果优于现存人脸识别算法。(4)在本文提出人脸识别RGSRC算法的基础上,探讨测量矩阵的选择对人脸识别准确率的影响。对比并分析采用随机高斯矩阵、随机贝努力矩阵、随机托普利兹矩阵、随机循环矩阵、稀疏带状随机高斯矩阵、稀疏带状随机贝努力矩阵、稀疏带状随机托普利兹矩阵、稀疏带状随机循环矩阵作为测量矩阵的人脸识别正确率。实验结果表明测量矩阵中独立变元数目的减少并没有较大程度的影响识别正确率,这将有利于特定CS应用中测量矩阵的物理实现。(5)设计并实现一个特定目标轮廓数据采集系统,可用于获取感兴趣的特定目标轮廓数据信息。系统主要包括五个模块：数据获取模块、数据传输模块、采集控制模块、电源模块和处理显示模块。实验结果表明系统可以稳定、高效完成轮廓数据的采集工作。(6)整理分析现存检测算法的基础上,讨论特定目标检测问题的特殊性,提出一种基于压缩传感理论的特定目标检测算法。在使用特定目标轮廓数据采集系统采集特定目标轮廓数据图片构建数据库的基础上,该算法可以有效完成特定目标的检测任务。