近年来，人脸识别技术取得了长足的发展与进步，并已经成为了计算机视觉和模式识别两大领域的研究热点。因为人脸识别能够很方便也很直观的达到身份验证的目的，同时也很容易被大众所接受，所以人脸识别技术具有很高的研究价值。到目前为止，科学研究者们已经提出了很多关于人脸识别的方法，而且已经取得了很好的成果。但是由于自动人脸识别的过程很容易受到各种因素的影响，比如光照条件、姿态、表情以及遮挡物等，都会对人脸识别造成干扰，因此，如何克服这些干扰带来的影响是人脸识别研究者们所面临的巨大挑战。在很多自然条件下或在姿态变化较大的情况下，目前的人脸识别系统不一定能准确的进行人脸识别和身份认证。因此，提高识别率，加快识别速度以及提高鲁棒性是人脸识别发展的重要方向，也是本文提出基于虚拟样本的稀疏描述算法的初衷。为了提高人脸识别的准确度，本文提出了一种基于虚拟样本的稀疏描述的人脸识别算法，这个方法分两步来实现人脸识别的过程。第一步是获得虚拟样本，第二步则是用稀疏描述算法来分类。具体来说就是，第一步用简单的随机叠加噪声方法对训练样本进行处理，形成虚拟样本，并与原来的训练样本一起组成新的训练样本集；第二步则是把测试样本表示为新的训练样本集中所有训练样本的线性组合，然后将测试样本分类到对其描述做出最大贡献的样本类中去。因为这种方法在一定程度上减小了由于训练样本不足或者人脸表情变化对人脸识别所造成的不良影响，且用稀疏描述的方法来进行分类，所以大大提高了识别率。大量人脸识别的实验表明，本文提出的算法比徐勇等人提出的算法的识别效果更佳。在进行人脸识别的过程中可以发现人脸检测是人脸识别的基础，也是其关键的步骤。并且，在某些实际应用系统中，并不需要准确识别出人脸图像或视频中的每一个具体的人，只需要统计其中人脸的个数即可，如出勤率考察系统。基于教室视频监控图像的人脸检测系统就是这样的一个系统，通过对教室上课视频监控图像进行自动的人脸检测并通过人工检查来完成学生上课率的功能，并将检测的最终结果通过excel报表的格式打印出来。这个系统不仅界面清晰，操作简单，而且非常人性化，是一个不错的出勤率考察系统。