人脸识别技术属于生物特征识别技术中的一种，相较于其他的生物特征识别技术，人脸识别技术由于其所具有的非侵入性、便捷性、安全性等优势正越来越广泛地应用于安全、金融、军事等重要领域。经过几十年的发展，人脸识别技术无论是在理论方面还是在实际应用方面都取得了重大的进展，许多成熟的、智能化的人脸识别系统也已经实现了广泛的商业化应用。但是，随着社会的快速发展，各方面对技术进步的要求越来越高，自然，对于人脸识别这一领域来说也不例外，许多场合中对人脸识别系统的精度和其他要求也越来越高，比如在一些特殊的场合，每个人只有一张人脸照片，也就是说只有一幅人脸训练样本，在这样的情况下，传统的人脸识别技术面临着识别率严重下降甚至根本无法识别的问题，这就是近年来出现的单训练样本的人脸识别问题，因此，研究单样本人脸识别问题，在理论上和实践上都是具有重要意义的。　　单训练样本的人脸识别技术目前主要存在两个方面的难点:一是训练样本极端缺少，每人只有一幅训练图片，在这样的情况下要提取特征是相对困难的;二是模式多变，也就是待识别的人脸照片可能存在姿态、表情、光照、背景等多个模式的变化，导致单样本的识别率不高。因此，针对这两个问题，本文开展了相关的研究和分析，主要做了以下的一些工作:　　(1)针对模式变化问题，研究了基于虚拟信息的人脸样本扩充方法，并提出了样本扩充的方案。在人脸图像预处理阶段，针对几何和光照做了一些处理，以保证训练样本的统一性。　　(2)在特征提取方面，分析了相关的特征提取手段，选择了更为适合单样本条件下的特征提取方式。　　(3)为了充分利用图片的整体和局部信息，提出了结合虚拟信息和改进的二维主成分分析的单样本人脸识别方法。　　(4)在VisualC++6.0编程环境下，结合OpenCV图像处理库，搭建了基于本文方法的单样本人脸识别系统，验证了本文方法的有效性并做了分析和总结。