随着社会的发展和技术的进步,身份识别和验证的需求与日俱增,常用的身份识别包括,人脸识别、指纹识别、虹膜识别、声音识别等,而人脸图像由于具有辨识度高、获取性容易等优势,成为历来研究的热点。本文就针对人脸识别,进行了深入的探讨和分析,并通过大量的对比实验,详细的阐明了各类方法的优缺点,并通过融合与改进现有的方法,提出了一种更高效的识别算法。本文的工作如下：1)研究了常用的人脸特征提取算法,Gabor[1][2]和LBP,分析了各自的算法原理,并进行了实验进行对比,分析了各自的优势与缺陷。同时实验对比了不同的特征提取方法,得出和确定了不同提取方法的特点。2)对常用的维数约简法PCA和LDA进行了探讨研究。通过实验对比分析了各个算法的优劣和适用条件。3)深入研究了稀疏编码的原理。通过大量实验验证了其有效性,并分析了稀疏编码的不足。4)总结和综合上述算法,取长补短,对这些算法进行了相互匹配的融合。对多特征融合进行了大量的实验和分析。5)提出了一种基于多特征融合和稀疏编码分类人脸算法。通过将多特征进行分块和加权后,再通过级联的稀疏编码分类器,对人脸对象进行识别。此算法识别率较高,且在存在光影和遮挡的情况下鲁棒性较高,具有较高的实际应用价值。