目前人脸识别技术已取得了巨大的成就,但也面临着许多尚未解决的难题,可见光图像人脸识别系统的性能易受光照变化的影响便是难题之一。热红外图像不受光照变化的影响,应用于人脸识别可以达到很好的效果。但是,由于热红外线不能穿透玻璃,如果待识别人物佩戴眼镜,其图像呈现墨镜形式,会导致识别性能的急剧下降。本文针对热红外人脸识别系统眼镜遮掩问题,研究基于随机投影和稀疏表征鲁棒性分类识别方法。首先采用随机投影将原始高维图像数据映射至低维变换子空间,达到数据降维的目的。而后采用基于稀疏表征的分类识别方法将待测样本用极少数的训练样本线性表示,可以有效隔离遮掩噪声。根据各类表征系数对于待测样本的重构估计,本文提出两种分类判别条件,分别是重构残差和表征系数有效性累计因子。同时,为了达到对于遮掩的极大鲁棒性,采取图像横向四等分策略,在各等分块上分别进行随机投影和稀疏表征,以四块平均判据值进行分类识别。本文实验所使用的数据库为美国Equinox公司采录的可见光和远红外人脸图像数据库,根据需要选取其中44人既有佩带眼镜亦有没有佩戴眼镜的远红外光和与其隔帧对应的可见光人脸图像。利用改进的CSU人脸识别评估系统对本文提出的方法与基于表象的人脸识别方法,主分量分析法、线性判别分析法以及贝叶斯法,进行基于远红外和可见光图像比较评估。评估结果证明本方法可以有效解决热红外人脸图像眼镜遮掩影响识别率的问题,并且其识别性能优于主分量分析法、线性判别分析法、以及贝叶斯法。