人脸识别技术由于具有保密、安全、友好、便捷等优点,从上世纪六十年代开始,被广泛应用于公共安全及金融、信息安全等领域。目前,在可控环境和用户配合的情况下,系统能够取得出色的识别效果。然而在实际应用中,由于现实环境的复杂性,人脸图像呈现出丰富的类内多样性与高度的类间相似性,给人脸识别带来严峻的挑战。本文基于稀疏表示和线性回归的人脸识别方法,针对人脸识别中的光照、表情变化及遮挡等难题,开展一系列研究工作,主要内容如下:(1)为了解决线性方法对人脸图像中光照及表情变化造成的非线性结构信息不能形成有效映射和鉴别的问题,以及出于在高维核空间中对样本数据进行降维的需要,本文结合核方法,提出一种基于协同鉴别的核线性回归分类方法。首先通过非线性映射将样本映射到一个高维核空间中,构造基于协同表示的类间重构误差和类内重构误差,通过最大化类间重构误差和类内重构误差的差值来求解最优投影矩阵。然后利用求得的投影矩阵对核特征空间中的高维样本数据进行降维。最后通过最小二乘法求解回归系数,将测试样本分到具有最小重构误差的类别中。该方法采用核最大间距准则来构造目标函数,能够有效避免因小样本问题导致的算法性能下降。(1)针对现实场景中大面积遮挡的情况,提出了一种切实可行的解决方案,基于马尔科夫随机场的结构化稀疏人脸识别方法。首先利用马尔科夫随机场,在带遮挡的人脸图像中准确和有效地估计出遮挡物区域,去除非遮挡区域的信息,生成遮挡物样本后构建遮挡物字典。其次建立结构化稀疏的遮挡人脸识别模型,将遮挡字典与人脸字典一起组成复合字典,引入结构化稀疏约束,准确地对遮挡问题建模。结构化稀疏约束对此类方法的物理意义很明确。通过求解结构化稀疏表达系数,即可分别将人脸身份和遮挡物类别识别出来。(3)根据本文的研究内容,实现了一个人脸识别原型系统,对本文提出的方法进行验证。