21世纪步入了信息时代,越来越多的科技产品引入了人脸识别技术。人脸识别可以帮助人们快速、精确的进行身份的识别,具有十分重要的研究价值和意义。本文对人脸识别的关键技术,人脸的特征提取和分类策略进行了研究,并且对基于稀疏表示的人脸识别中字典的构建提出了改进的方法。本文的主要工作如下:(1)在人脸特征提取阶段,本文分析了经典特征提取方法主成分分析法的不足之处:将训练样本作为整体,寻找其中均方差最大情况下的最优线性映射,而忽略了其他方向的映射有可能包含的重要信息;提取的特征虽然概括了训练样本的信息,但是忽视了类别属性,对类别没有解释能力。针对主成分分析法的不足之处,本文提出了结合Gabor滤波器的偏最小二乘法回归的特征提取方法。首先,Gabor滤波器与训练样本卷积,将训练样本投影到多个方向多个角度下,这样可以尽可能多地在多个方向探索最优映射,减少信息的丢失。而偏最小二乘法回归中,训练样本作为自变量,类别矩阵作为因变量,两者相互作用提取出既能概括训练样本又能对类别解释的特征成分。(2)本文根据偏最小二乘法回归算法的特性,设计了快速高效的基于偏最小二乘法回归的分类策略,并且将其与本文提出的特征提取方法结合,给出了基于Gabor滤波器的偏最小二乘法回归的人脸识别方法。通过实验证明了本文提出的人脸识别算法是一种有效的方法。(3)本文介绍了传统的基于稀疏表示的人脸识别方法,分析了传统方法不足之处。在传统方法中,直接将训练样本作为字典,字典是稀疏表示分类方法的基础,需要具有代表性和抗干扰性,而由训练样本构成的字典信息不丰富并且对外界因素敏感。针对上述不足之处,本文将训练样本与Gabor滤波器卷积,并用偏最小二乘法回归方法降低维度,构造字典,设计了基于稀疏表示的人脸识别改进方法。Gabor滤波器善于边缘提取、纹理的表达和分离,能够突出人脸图像中眼睛、嘴巴、鼻子等部位,并且Gabor滤波器对光照变化不敏感,从而加强字典的健壮性。而采用偏最小二乘法回归方法降低维度,使得字典对类别具有解释能力。通过实验证明,基于稀疏表示的人脸识别改进方法在处理光照、姿态、表情等方面都优于传统的基于稀疏表示的人脸识别方法,具有较强的抗干扰能力。