近年来，人脸识别技术发展越来越快，在日常生活中已被广泛运用到众多领域中。基于人脸信息进行身份识别的方法越来越受到重视，相较于其他生物特征识别技术，人脸识别具有成本低、无侵犯、不易丢失等优点，因此在安全防范和金融支付等行业有广阔的应用前景。近年来相继提出了许多优秀的人脸识别算法，但实际应用中存在光照不均、遮挡影响、样本缺乏、姿态多变等问题，因此人脸识别仍是众多学者不断深入研究的热点。
　　随着多媒体电子设备不断增强获取数据的能力，越来越多的数据急需处理，传统的Nyquist采样理论已渐渐不能满足要求。近几年在信号处理领域中，压缩感知理论已成为众多学者的一个新的研究热点。针对稀疏信号，该理论突破了奈奎斯特采样频率的限制，大大节省了存储空间，许多研究者将其应用到人脸识别中并取得了一定的研究成果。本文在稀疏表示算法的基础上进行了改进研究，取得了较好的实验结果。本文的主要研究工作及创新点如下:
　　(1)针对非限制环境下采集的人脸图像存在背景复杂导致误检的问题，本文在基于Haar特征的Adaboost算法完成人脸检测之后继续用基于AAM模型特征点进行验证，减少了人脸误检率。同时将Adaboost算法延伸运用到眼睛的检测，从而有效地对脸部样本进行归一化处理。人脸检测是人脸识别算法的重要前提，尤其对有遮挡的图像,首先要从中检测出人脸区域进行归一化便于下一步的遮挡人脸识别。在遮挡人脸识别问题上,本文提出了基于SRC的重叠分块遮挡人脸识别改进算法，既充分考虑了全脸信息的相关性,又有效减小了遮挡物对识别率的影响，增强了鲁棒性。
　　(2)针对样本维数过高问题，提出一种基于加权小波的压缩感知人脸识别算法。考虑小波变换各分量的影响，对一层小波变换后的人脸图像提取低频、水平和垂直三个分量进行加权融合，既保证图像中有利识别信息尽量不丢失又起到降维的作用。用主成分分析法提取人脸图像特征矩阵，通过字典矩阵和稀疏系数重构每类测试样本，比较实际测试样本和重构的每类样本之间的残差，把测试样本归为残差最小的那一类，从而实现分类。在标准ORL和FERET人脸库上的实验取得了很好的识别效果，验证了本文所提出算法的有效性和优越性。
　　(3)针对人脸各局部区域所包含的性别特征信息不一致，本文考虑基于局部和整体融合的算法进行性别识别。将人脸分割成六个样本子集，分别对每个样本子集进行性别识别，此外在单样本集的识别基础上采用投票法对人脸局部样本进行融合识别。考虑到计算的复杂性，本文对于冗余的特征引入了稀疏表示算法，利用稀疏表示算法降低了共性特征的冗余度，提高了计算效率，充分利用不同局部之间存在的互补信息，将局部区域进行整体融合在一定程度上提高性别识别效率，在CAS-PEAL数据库上取得了较好的识别效果。