人脸识别技术是指通过计算机提取人脸的特征并根据这些特征进行身份验证的一种技术。作为生物特征识别领域中一种基于生理特征的识别技术，它在信息安全、刑事侦破、民事和经济领域、出入口控制等领域具有广泛的应用前景。尽管人们能够毫不费力地识别出人脸及其表情变化，然而利用计算机对人脸图像进行自动识别却是相当困难。因此，人脸识别仍是模式识别和计算机视觉领域的研究热点。不同于传统的人脸识别算法，稀疏表示分类算法利用过完备字典对信号进行稀疏的表示，再利用稀疏表示系数进行分类。它具有良好的分类性能，目前已被成功应用到人脸识别中。本文以现有的人脸识别技术和稀疏表示的最新理论为研究背景，针对人脸识别算法对表情、姿态、光照、遮挡等变化的鲁棒性差的问题，深入研究了基于核稀疏表示的人脸识别算法并取得了一些有意义的结果。本文的主要工作包括：1.受启发于人脸近似对称的先验知识，本文提出一种基于对称Gabor特征的稀疏表示算法并成功运用于人脸识别。在该算法中，我们首先把人脸图像进行镜像变换得到其镜像图像，进而将人脸分解为奇偶对称脸。在奇偶对称脸上提取Gabor特征以获得Gabor奇偶对称特征。通过一个加权因子，将Gabor奇偶特征融合生成新的特征。最后用这种新的特征构成超完备字典进行稀疏表示人脸识别。2．人脸图像由于视点、光照、表情等的变化而呈现非线性分布。为了提高算法对非线性数据的处理能力，本文引入核技巧到基于Gabor特征的稀疏表示人脸识别算法，提出基于Gabor特征的核稀疏表示人脸识别算法。并利用现有的稀疏表示重构算法求解核稀疏表示的系数。3．针对核方法参数难以确定的问题，本文提出用多核学习的方法来确定核稀疏表示的核参数，时间和算法复杂度都得到了降低。本文在Yale、AR、FERET三个标准人脸数据库上进行了对比实验，以验证所提出的算法的有效性。实验结果表明：本文所提出的算法在表情、姿态、光照条件、局部遮挡等因素变化时仍取得了较好的识别效果，提高了人脸识别算法的鲁棒性。