作为一种有效的生物特征识别技术，人脸识别在公共安全和日常生活的诸多领域有着广阔的应用前景。经过几十年的发展，人脸识别系统在受控条件下已经能够取得令人满意的识别性能。但是，实际非受控条件下的人脸识别因为存在光照变化、表情变化、遮挡和伪装等因素影响，当前的人脸识别系统远不能满足应用需求，面向非受控环境的人脸识别研究成为当前模式识别与计算机视觉领域的关注热点。　　近年来，随着压缩感知理论的提出和兴起，一种基于稀疏表示分类的人脸识别框架得到了国内外该领域研究者们的广泛关注和极大兴趣。以信号具有稀疏性为基础，压缩感知理论为实现高维数据的降维采样提供了有效的解决方案，而以此为基本原理发展的稀疏表示分类,通过利用所有训练样本组成过完备字典对待测样本施以稀疏约束表示，为实现鲁棒性人脸识别展现出良好的潜能。　　针对非受控环境的遮挡人脸识别问题，基于稀疏表示分类和低秩矩阵恢复理论，本论文着重探讨了基于位置先验信息加权及训练字典优化设计的稀疏表示分类人脸识别。论文的主要工作如下：　　（1）稀疏表示分类人脸识别系统的分析与比较。在系统学习压缩感知理论的基础上，深入研究了稀疏表示分类人脸识别、协作表示分类人脸识别的思想、方法，分析和比较了各分类算法在基于经典的全局特征与局部特征提取条件下的系统性能。　　（2）基于分块最大相似性嵌入的稀疏表示人脸识别研究。相似性先验嵌入的稀疏编码有助于提升人脸识别在低维特征空间上的识别性能，而在实际非受控的应用场合下，待识别人脸图像可能存在有意的部分遮挡/伪装、表情变化，采用图像全局相似性的先验值难以真实地反映位置关系，使得全局相似性嵌入的稀疏编码表示人脸分类的性能有所降低。为此，本论文探讨了一种分块最大相似性嵌入稀疏编码的人脸识别算法，对非受控的人脸图像进行非重叠分块，以待测图像和训练图像相应分块的相似性最大值衡量图像间的相似度，并嵌入于稀疏编码表示的人脸识别中。实验结果表明，与基于全局相似性先验的人脸识别算法相比，提出的算法获得了恰当有效的位置结构信息，对同时存在遮挡/伪装的待测样本和训练样本在特征低维识别性能上有明显的提升。　　（3）基于低秩矩阵恢复的训练字典优化设计。训练图像存在的干扰成分破坏了其可分离特性及判别能力，滤除训练字典中的干扰成分将有利于改善提取特征的表达能力，增强字典的稀疏表示能力，优化字典设计对于提升稀疏编码图像分类性能具有重要影响。为消除光照、表情变化的不利影响，控制遮挡/伪装对人脸面部特征的破坏程度，实现人脸图像特征的优化表达，探讨了一种基于低秩矩阵恢复的训练字典优化设计，并基于此优化字典结合分块相似性嵌入的稀疏表示框架实现人脸识别。首先对存在非控制因子的原始训练字典进行低秩矩阵恢复，获取相对“干净”的训练样本以进行主成分特征抽取，继而采用分块最大相似性嵌入的稀疏编码实现人脸图像的分类识别。测试结果表明，通过改进稀疏编码字典的判别能力，系统能更有效地抑制光照、表情、遮挡的影响，其识别的稳健性和鲁棒性得到了进一步提升。