人脸识别是模式识别和机器视觉领域中的一项重要技术，其主要任务是从人脸图像中获取有效信息，然后把人脸样品划分为一些类别，利用这些类别进行身份识别。在这个过程中，特征提取是最为关键的环节，一个好的人脸特征提取方法具有以下有点：可以简化识别过程中分类器的设计；还可以提高识别人脸的性能。压缩感知是一种新的信号采样与压缩理论，很多专家学者将其应用于人脸识别问题，取得了丰硕的成果。其中最为经典的是稀疏表示人脸识别算法(SparseRepresentation–based Classification,简称SRC算法)。本文在SRC算法的基础上进行了改进，取得了较好的实验结果。本文所做工作及取得的成果如下：1、介绍现有的特征提取和分类算法，其中人的面部特征提取方法有两种；此外，还介绍了压缩感知理论以及最为经典的人脸识别算法。2、提出一种基于主成分分析和压缩感知的人脸识别算法(PSL0)。该算法首先利用主元分析对图像数据进行降维，然后用基于平滑l0范数快速稀疏表示(SL0)算法求解l0范数最小化问题，以得到一组最优系数重构各类图像，计算测试图像与各类重构图像的残差进行分类识别。实验结果表明，该算法在同类算法中获得了较高的人脸识别率及较好的重建效果。3、提出一种基于子空间和压缩感知信号重建的ISL0算法。其思想是用一个光滑函数来近似压缩感知中求解的l0范数极小化问题，利用修正牛顿算法在子空间上求解优化问题，并利用子空间表示的方法约束迭代算法的搜索范围，提高算法效率。