随着科技的发展,信息安全在社会中发挥着不可替代的作用,导致身份识别受到的关注越来越多。而人脸识别作为近几年快速成长的一种身份识别技术,吸引了一大批研究学者的研究。虽然人脸识别的准确性越来越高,但是人脸属于外在的一种生物特征,容易受到外界因素的影响,所以解决这些影响是人脸识别技术更新的一个突破点。在光线、姿势和面部表情的变化下会引起人脸图像的一些重要特征信息的丢失,从而使人脸识别效果变差。为了改善这一情况,本文提出一种基于非线性相关滤波器组的人脸识别算法。本算法通过使用人脸图像被分割成多个不重叠且尺寸相同的子模块对应生成的相关滤波器和sigmoid函数扩展了均匀动态范围以增强图像的对比度的优点,使得这个算法对光线、姿势与面部表情变化都具有强大的鲁棒性。经过人脸数据库的仿真实验分析,这个算法比其他滤波器算法有更好的识别效果。除了光线、姿势与面部表情外还有遮挡物等其他一些无约束外部环境条件也会使人脸识别的效果变差。针对这一情况,本文基于稀疏表示法,提出了镜像图与LRC和CRC偏差结合分类的算法,该算法一开始通过镜像图法来增加训练样本图像的数量,这可以在人脸图像中获取到更多有用的特征信息;然后在通过使用LRC和CRC方法,将它们的得到的偏差进行归一化和通过控制函数进行加权融合,最后在进行分类识别。经过在人脸数据库上的仿真实验分析可知这个算法是个有效的识别算法,大大的提高了人脸识别的准确性。