人脸识别因其便捷、高效等优点逐步成为计算机视觉前沿应用领域一个热门话题,其应用主要包括访问控制、视频监控、社交网络、照片管理、刑事调查等方面。然而在实际应用中,人脸识别技术往往因图像遮挡、损坏等因素而严重影响算法精度,本文在现有研究成果基础上,对稀疏表示鲁棒人脸识别算法进行了新的探索研究。首先,针对消除遮挡、损坏像素区域以减少其对全局图像分类识别不利影响的问题,提出基于多样表示加权融合的动态字典人脸识别算法,通过加强原始样本中等强度像素的作用,同时削弱其他像素的影响,生成新的表示图像,并与原始图像加权融合形成新的样本集,对其遮挡、损坏测试样本图像进行遮挡检测,消除所有样本集遮挡区域生成动态字典模型,而后进行人脸识别。其次,针对人脸图像遮挡、损坏对分类识别的负面影响,提出基于遮挡重建的单演二值编码人脸识别算法,利用下采样后的鲁棒稀疏表示进行遮挡区域检测,通过主成分分析构建线性人脸子空间,构造超定方程组,利用人脸非遮挡区域像素信息进行遮挡重建,最后对重建后的完整无遮挡人脸图像提取单演信号局部特征,对其进行二值编码,通过直方图相交法进行人脸识别。最后,针对实际应用中采样人脸样本图像易受遮挡、损坏等各种因素对人脸分类识别的干扰问题,提出基于局部相似度统计人脸识别算法,通过对数据库中每个人脸图像进行无重叠均匀分块,并将子模块转换成列向量,计算测试样本中每个子块与相应训练集子块相似度,对每组相似度中距离较小的子块数据求和,得到最终相似度值进行分类识别。