我们要分辨一个人是谁,首先想到的是观察他的脸,因为人脸反应了他的身份、性别、年龄等生物信息。随着计算机科学技术、图形图像技术等的飞速发展,基于人脸图像的识别问题也成为近些年研究的热点问题之一。与虹膜、指纹等其它生物特征识别技术相比,人脸识别技术具有自然性、不易察觉等优越性。因此,人脸识别在身份辨识、摄像监视等领域具有广阔的应用前景。人脸识别技术经过了几十年的研究,无论是在理论方面还是实际应用方面都已都取得了一定的进展,但是现有的人脸识别方法在应用中都受到各种各样的制约。人脸特征的选择、训练样本的数量、光照的影响、遮挡以及姿态的变化等等,这些都可能使得人脸识别的结果不准确。与其他的人脸识别技术不同,基于稀疏表示的人脸识别方法的识别率以及鲁棒性都比较好。但是在训练样本较少、特征向量的维数较小时它的识别率还不太理想。针对此种情况,本文提出了一种基于奇异值分解和稀疏表示的人脸识别方法。本文针对基于稀疏表示的人脸识别方法在训练样本较少、特征向量维数较小时的识别率不太理想的情况,提出了一种基于奇异值分解和稀疏表示的人脸识别的改进方法。首先,提出了一种基于局部和整体的特征提取方法并详细阐述了它的算法原理。该方法首先把人脸图像分为若干个子图像,然后对每一个子图像进行奇异值分解得到局部特征,再对整体人脸图像进行奇异值分解得到整体特征。然后详细介绍了基于奇异值分解和稀疏表示的人脸识别方法的具体的算法流程。最后,具体介绍了一种求解稀疏解的方法。并且讨论了子图像以及整体图像的奇异值的选择,还在0RL人脸数据库上进行了实验,并将本文所提出的方法的实验结果和文献[12]所用方法的实验结果进行了对比分析,验证了本文所提出的方法的有效性以及稳定性。