随着信息社会的飞速发展,人们对身份信息安全的需求越来越迫切,基于密码、个人识别码、密钥等传统的安全措施已不能完全满足社会的要求,而基于生物特征的识别技术利用人体潜在固有的生理特征或行为特征来进行身份鉴别,较其他身份识别方式具有独特的优势。生物特征是人类自身拥有的,独一无二的特征,利用生物特征来进行身份识别可以从根本上杜绝伪造和窃取,具有更高的可靠性、安全性和可用性,能够满足从国家公共安全、社会安全、到金融安全以及人机交互等各类应用的需要。基于生物特征的识别技术中,人脸识别作为人的生理特征或行为特征识别中最具唯一性和特殊性的特点受到了众多研究者的关注,但人脸识别受到诸多因素的影响,比如光照条件、姿态、表情以及遮挡等,这些因素给人脸识别带来极大挑战。针对这些挑战,近几十年来相关学者进行了大量研究,取得了卓有成效的成果。近年来基于稀疏表示的人脸识别利用人脸在训练字典上的稀疏编码来实现人脸分类识别,因具有较强的鲁棒性而受到研究者的广泛关注。本文对基于稀疏表示的人脸识别进行研究。首先介绍了稀疏表示的人脸识别理论框架,稀疏人脸识别通过对人脸图像的特征提取,获取对光照、表情较为鲁棒的人脸特征;在提取人脸稳健特征的基础上,对特征数据进行降维,以有效减少计算量;然后利用稀疏表示方法对人脸进行分类,使人脸识别能够应对姿态、表情及遮挡的变化。其次在人脸识别理论框架的指导下,对系统的模块进行了划分,并根据相关理论方法对预处理、人脸稀疏表示等模块进行了实现与优化,完成了稀疏人脸识别系统的设计与开发。最后在ORL与Yale人脸数据库上对系统性能进行了测试,验证了稀疏人脸识别方法的有效性与优越性。基于稀疏表示的人脸识别是机器视觉领域研究前沿,相关理论和方法还在进一步发展完善。本文的研究为光照、表情及姿态变化等非理想情况下的人脸识别提供了一种可行方案,进一步推动了稀疏人脸识别技术在工程领域的应用与发展。