人脸识别是近年来热门的身份识别方式,由于其便利性和高效性,获得了广泛的关注。人脸识别算法经过快速发展已经取得了很大的进步,不少算法也已经获得了实际应用,但是在复杂环境下进行高精度人脸识别依然是一个极富挑战的领域。如何确保快速识别的同时,能够有较强的系统鲁棒性是本文研究的重点。本文首先梳理了人脸识别系统的架构,对传统的人脸识别方法和基于压缩感知的人脸识别方法进行了对比研究,分析了压缩感知识别方法的优势。然后又介绍了人脸特征检测的方法,分析了每种检测方法的优缺点,选择了针对本文研究较为高效的检测方法进行实验仿真。本文又进一步基于压缩感知理论的人脸识别算法,对传统的人脸检测算法进行了较为深入的研究,研究了各自的适用场景和不足之处,并在CRC(联合稀疏表示算法)基础上进一步研究,提出了一种有着更高识别率的改进型人脸识别算法MCRC(基于优化测量矩阵的联合稀疏表示算法),最后通过MATLAB仿真平台设计了人脸识别系统,选择了代表性的人脸库进行了人脸识别的仿真实验,对传统人脸识别算法和新算法进行了对比研究,结果证明新的算法在光照变化、遮掩物掩蔽、不同表情等复杂环境干扰的影响下,能够有效地进行人脸识别,识别时间更短,识别速率更高。本文主要的研究内容包括以下几点:(1)研究了人脸识别的系统框架,对比了传统人脸识别方法和基于压缩感知识别方法的优缺点,并对基于压缩感知的特征提取方法进行了较为深入的研究,分析了不同方法的优缺点。(2)在基于压缩感知理论的基础上,对CRC(联合稀疏表示算法)人脸识别算法进行了改进,得到了新的MCRC(基于优化测量矩阵的联合稀疏表示算法)的算法,并得到了优化矩阵的解析解表达式,利用这一新型算法,人脸识别系统能够在复杂环境中有更鲁棒的系统识别性能。(3)搭建了基于MATLAB的人脸识别软件仿真平台,进行了算法测试,在多个人脸库中验证了算法的有效性,并和一些经典算法在复杂环境中进行了比较,验证了算法的鲁棒性。