压缩感知是一种新的采样理论,它利用信号的稀疏惟,以远小于Nyquist的采样频率采样信号,通过非线性重建算法高概率地重建该信号。压缩感知理论一经提出,立即在学术界引起轰动,人们也开始逐步探索其在日常生产和生活中的应用。A. Y. Yang等人提出了基于稀疏表示的人脸识别算法(Sparse Representation-based Classification简称“SRC方法”),此后压缩感知理论逐步成为人脸识别的领域的常用算法。本文详细介绍了压缩感知的原理、信号重建的充分条件和必要条件以及以BP、MP为代表的重建算法和基于压缩感知的人脸识别的可行性。结合SRC算法,提出了基于奇异值分解(SVD)的人脸识别算法,该算法首先使用SVD算法将原来的测量矩阵分解,使之形成新的测量矩阵,新的测量矩阵是部分正交矩阵,从而新的测量矩阵的相干性大大降低。根据压缩感知的理论,测量矩阵的相干性越小,重建的效果就会更好,并且重建的速度也会有明显的提高。本文重点研究了基于SVD的人脸识别算法,并且使用该算法做了相关的实验,从实验结果来看,实验效果比基于OMP的SRC算法有了明显的提高,通过理论和实验都表明了该算法的优越性。