在智慧城市和智慧生活理念的倡导下,人脸识别逐步走进人们生活的各个领域,在交通安防、高校管理、银行系统等的应用使生活变得不仅便捷有趣而且互动智能。基于稀疏表示的人脸识别算法的研究层出不穷,本文围绕稀疏字典的构造问题,利用稀疏表示理论知识和基本原理,提出三种人脸识别算法的改进算法。首先,考虑到稀疏表示模型重点是在字典中找到测试样本的最佳线性组合,提出稀疏规则引导的由粗及细系数累积人脸识别算法。首先由稀疏规则得到相邻最大类累积稀疏系数。然后利用累积稀疏系数关系软约束训练集获取候选类,完成由粗及细的遴选过程从而择选分类模式。最后利用最大类累积稀疏系数作为判别函数,融合由粗及细的结果分类判别。其次,因为传统训练样本组成的字典未利用类共有信息,引入共享空间和与类别相关的剩余空间,提出共享空间基—逐类剩余空间基混合稀疏表示人脸识别算法。首先对全部训练样本进行主成份分析获取无标记的共享空间基。然后结合原始样本与共享基重构样本,引入类间差异信息构建逐类特异性剩余空间基。最后融合共享空间基和剩余空间基完成测试样本的稀疏重构,利用残差判别函数进行分类判别。最后,针对样本集距离分类算法忽略样本集内部变化的不足,利用图像多重描述提供的互补信息,提出图像集闭包建模的协同表示人脸识别算法。首先扩展具有多重描述能力的字典,由原始样本产生镜像图像和中等强度像素图像,联合此三种源域图像构成扩展的图像集字典。然后,以无参建模构建扩展的图像集为字典闭包,同类异源域的测试集构建为测试闭包。最后字典闭包协同表示测试闭包利用字典更新求解闭包系数,进而实现判别分类。