人脸识别是模式识别和计算机视觉领域的分支,一直广受关注。人脸识别的主要问题包括：姿态，表情，光照。如何克服这些问题设计更为鲁棒性的人脸识别算法是成功的关键。本文以SIFT算法、稀疏表示以及LBP为设计思路并参考了大量文献，最终设计了基于SIFT的稀疏编码算法。本文提出的算法包含以下几点。首先，提取图像的特征点。使用了SIFT来检测图像中的特征点，这组特征点具有旋转不变性，尺度不变性。其次，特征描述阶段采用了局部梯度编码模式（Local gradient binary Pattern, LGBP）和局部插值编码模式(Local interpolation binary Pattern, LIBP)。LGBP和LIBP是对原始LBP算法的改进，能增强传统LBP的鲁棒性和可分辨性。最后，采用了稀疏表示完成准确的分类识别任务。以往传统稀疏表示的匹配准则是基于欧氏距离度量，本文以卡方距离作为新的匹配准则，提高了分类的准确性。最后在人脸库上做了实验，相比于其他算法，本文所提算法识别结果良好。