人脸识别技术在信息安全领域起到了不可忽视的作用,越来越多的车站、机场实行人脸识别自助检票通道,不仅保障了进站人员的安全,而且也节省不少的劳动力、时间和金钱。随着人脸识别技术的不断发展,与之相关的多种算法相继被提出,尽管这些算法在各种应用和研究领域取得了很好的成果,但在光照强弱、姿势角度、表情变化等方面仍然面临着很大的挑战。本文的主要内容与创新点可由以下几点概括:1.简要地分析了本文研究的背景、研究的现状。并介绍了稀疏表示的基本知识、传统稀疏表示分类算法。2.人脸识别技术中常用的算法是稀疏表示算法,但该算法在对人脸图像进行分类时,只考虑样本整体信息,忽略样本局部结构信息,类别的局部结构包含更多的判别信息,而且稀疏表示算法要求测试样本与训练样本的人脸图像要一致对齐,当姿势、角度发生变化时分类效果明显下降。针对人脸识别中稀疏表示判别性不够明显,没有考虑类别局部结构信息的问题,本文提出把样本的整体信息与局部结构信息相结合,改进L2正则化稀疏表示算法。3.稀疏表示的分类算法只考虑样本的整体信息,忽视样本的局部信息对图像分类的影响,因此对姿势角度、表情和光线强弱发生变化的图像分类效果较差。在传统算法的基础上,提出改进L2正则化稀疏表示算法,目标函数在考虑样本整体稀疏性的同时也考虑样本的局部判别性。通过最小二乘问题,得到稀疏系数矩阵,计算样本重构残差,用稀疏度量公式量化样本之间的稀疏性。目标函数考虑了样本的局部结构信息,在保持样本稀疏性的同时增加了样本类与类之间的判别性,进而提高样本的分类性能。实验结果表明,该方法在不同的人脸数据库和扩展视觉数据集上取得很好的分类结果。