人脸识别技术是基于人脸的安防工程核心子系统——门禁系统的核心内容,主要包括几何、纹理特征提取、子空间投影和分类器设计等步骤。本文主要研究了基于稀疏表示的人脸识别技术,主要研究内容如下：1.对比了经典的人脸识别和基于稀疏表示的人脸识别技术。采用KNN、SVM两种基本分类器,PCA、fisherface两种子空间投影算法,在公开数据集ORL、Yale人脸库上进行仿真实验,得出了稀疏表示对滤除噪音方面具有更强的鲁棒性的结论。2.提出一种新的基于稀疏表示的分类算法——权重系数法。与原先的取稀疏系数的最大值对应的标签为测试样本的标签的方法相比,该算法既利用了图像子空间的结构也利用了稀疏系数中众多的接近零的值。跟最小残差分类法相比,该方法算法复杂度低,计算量较小。实验结果表明：在ORL库h,当训练样本较小时,该方法的分类识别率比最小残差法平均高1.26%。3.首次应用L1/2范数优化问题到人脸识别的稀疏系数求解,跟原先的利用L1范数所求稀疏解相比,基于L1/2范数的解分类效果较好,但识别率提高的不太明显；但是所求解的稀疏性比L1范数所求解的更强了。4.设计并实现了一套基于稀疏表示的人脸识别的原型系统。该系统具有收集人脸训练样本,完成图像预处理、特征提取,及基于稀疏表示的人脸识别等功能。对系统的测试表明,本系统在达到较高的识别率的同时,对噪音、不同类型的光照等情况的鲁棒性较强,具有较好的实用价值。