人脸识别是一项热门的计算机技术研究领域,属于人体生物特征识别的一种方式,在各个行业都有广泛的应用前景,小波分析能够同时提取图像的时域和频域的特征,小波分析具有发现其他信号分析方法所不能识别的、隐藏于数据之中的表现结构特性的信息,而这些特性对机械故障和材料的损伤等识别是尤为重要的,因此,小波分析是一种很好的人脸识别的方法。信号稀疏表示的目的就是在给定的超完备字典中获得信号更为简洁的表示方式,从而使我们更直接地获取信号中所蕴含的信息,以便对信号进一步处理,如压缩、编码等。典型相关分析理论就是最大化两个变量的相关特征。多视图典型相关分析,能够充分利用各个视图的互补信息,识别效果更佳。本文,为了取得更好的人脸图像的识别效果,做了以下几个方面的工作:第一,用小波分析分解人脸图像,然后运用典型相关理论,提取出两个图像的最大相关特征,但是由于典型相关理论,没有注重对局部信息的利用,识别效果往往欠佳,因此,本文利用局部稀疏重构,充分利用图像的局部信息。第二,提出一种基于主成分分析网络的典型相关分析,PCANet通过串联的PCA来学习两层滤波器组,最后经过二值化和基于块的直方图生成最后的特征,然后利用典型相关分析,使特征的相关性达到最大。第三,由于人脸的图像,不仅仅有线性特征,还存在非线特征,因此,引入核技术,核技巧以线性的方式提取非线性特征从而能够更好的处理非线性数据,但是,传统的核方法采用一个经验核,识别效果欠佳,本文采用多核方法,为每一个核增加一个加权系数,通过迭代的方法求出核融合的最优系数。第四,传统的典型相关分析只提取两个图像的相关特征,所提取的人脸特征,不是很充分,为了尽可能多的提取人脸图像的特征,本文提出了一种多视图典型相关分析方法。