人脸识别是模式识别领域的一个重要的研究课题，是目前生物识别技术的一个活跃方向。个人生物特征如指纹，掌纹，虹膜，脸像，声音以及DNA信息等都是人内在属性，具有很强的自身稳定性和个体差异性，因此是身份鉴别的重要依据。其中人脸识别是最自然最直接的手段，多年来一直引起研究者的兴趣和关注。它在自动防盗，智能加密，侦察通缉乃至电子玩具方面都有着重要的应用价值，是重要的辅助手段。由于人脸形状、位置、表情、遮挡、光照等情况的特殊性和多样性，对图像的自适应分析、检测技术以及相关的数学，物理，光学等基础技术是个有力的挑战和重要的启发，对促进复杂物体的智能识别有着重要的意义。 人脸识别自60年代开辟至今，识别技术层出不穷。由于弹性模板匹配和3D图像的发展对识别复杂情况下的良好鲁棒性。小样本的识别情况引起了人们的兴趣和注意，各种基于优化传统方法的技术也随之产生。单样本情况的识别研究尤为特别，是人们不断挖掘计算机潜能的同时对自身识别机理的不断认知的过程。本文主要着眼于样本空间的拓展，即基于虚拟样本生成的算法，介绍了该算法的思路和出发点，基本理论以及日后发展的方向。探讨证实了保留传统方法识别率高，鲁棒性强的情况下，通过先验知识、图像引导和几何方法对原有样本做扩展，既规避了3D模板匹配高运算量所耗费的时间和内存，把2D样本图像的先验作用尽致发挥。据笔者所知，现有的单样本方法大多只在原样本空间下做主元信息的突出和提取，并没有空间扩展的工作。本文的方法既符合人类识别的规律，也能以相对3D模板较小的代价换取好效果，这就是与现有方法的不同。 同时，二维FFT被证明是一种在无校准的人脸识别中有效的分类办法，其幅值具有平移不变性。赖剑煌<[1]>等利用小波与之结合，在人脸识别中取得了很好的效果。通过对图像的SVD分解、重构可以对图像的特征信息起到强化的作用<[3]>。结合FFT、SVD，在ORL人脸库进行识别仿真可以取得较好的效果。实践证明，虚拟样本与基于FFT的识别方法的结合是个有效而可靠的方法，既避免了大样本库对计算机内存的常驻占用，又可以避免识别时校准的风险，提高识别的实时性，并为日后的工程应用提供了可能。