人脸识别作为一种最自然、不易被察觉的生物特征识别技术,可广泛应用于国家安全、公共安全、网络信息安全、家庭娱乐等领域。人脸图像受到表情、光照、姿势、遮挡等因素的影响时,尽管人眼可以判别人脸的变化,但是计算机很难高精度快速自动识别出复杂变化的人脸。因此,在模式识别领域中,人脸识别仍是具有挑战性的课题之一。稀疏表示是人脸识别中一种备受关注的主流理论。该理论对光照、噪声、遮挡具有一定的鲁棒性且对样本的数量要求较多。为提高该理论的鲁棒性及更好的处理少训练样本问题,本文将稀疏表示理论加以改进,主要研究如下:本文首先从人脸图像的特征抽取出发,利用主成分分析、线性鉴别分析及核主成分分析算法来提取人脸图像特征,降低图像维数,进而降低稀疏表示理论的计算复杂程度。然后介绍现有的稀疏表示理论及其分类器,对于少训练样本问题,阐述了拓展稀疏的表示理论。为提高拓展稀疏表示理论的人脸识别精度,提出了一种新的算法,即加权拓展稀疏的识别算法。上述的稀疏表示理论都在原始的样本空间中,利用原训练样本的线性信息,来重新构造测试样本。为捕捉利用原样本数据间的非线性信息,可通过高斯核函数定义的非线性映射,提供更多的样本信息,将样本映射到高维的核空间中,进而改变样本分布。Gao等人利用特征空间的样本特征信息,来重新构造测试样本特征,提出了基于核稀疏算法的人脸识别。对于少训练样本问题,可提出相应的核拓展稀疏算法的人脸识别。核稀疏表示理论进一步提高了经典稀疏表示算法的人脸识别率。在提高人脸识别精度的同时,也要提高算法的计算速度,即快速给出人脸识别结果。基于此目的,本文提出了快速稀疏及快速核稀疏表示的人脸识别算法。在这两种快速算法中,采用了坐标下降算法,避免直接求解1l范数最小化问题,进而提高解决该问题的速度。在该过程中,通过迭代优化,得到相应的令人满意的稀疏表示系数,进而缩短识别时间。本文的相关实验可以证明所改进的稀疏表示理论可取得令人满意的人脸识别率,尤其是改进的快速稀疏与核稀疏算法,降低了时间复杂度。