生物特征识别技术是指通过人体的生理特征或行为特征来完成个人身份鉴别的一项技术。人耳识别技术作为生物识别中的一个分支,因其独特的生理位置和结构特征,近些年来受到国内外学者的广泛关注。现有的人耳识别方法已经取得极大进展,但是在复杂环境下,人耳图像因受到遮挡、噪声和姿态变换等多种因素干扰使得人耳识别效果并不理想。因此本文针对复杂环境下的人耳识别方法进行研究,提出一种基于G-HOG特征的快速低秩恢复稀疏表示的人耳识别算法。首先,对人耳图像进行灰度化、尺度归一化和直方图均衡化等预处理操作,使处理后的图像更适用于后续工作。研究稀疏表示分类(SRC)理论,介绍基于SRC的人耳识别研究方法,进行实验验证基于SRC的人耳识别可行性。其次,考虑到传统SRC将单位阵作为误差字典不能很好的描述复杂环境下的人耳图像误差的问题,深入研究低秩恢复矩阵算法(LRR),在其基础上进行改进得到快速低秩矩阵恢复算法(FLRR)。将FLRR与SRC进行结合,提出一种基于快速低秩恢复稀疏表示(FLRR-SRC)的人耳识别方法,提高传统SRC在复杂环境下的识别效果,同时克服因训练样本不足时导致识别率下降的问题。最后,针对单一特征对复杂环境下人耳图像描述能力不足的问题,研究融合Gabor特征和HOG特征(G-HOG)的特征提取方法。提出一种基于G-HOG特征的快速低秩恢复稀疏表示(G-HOG+FLRR-SRC)的人耳识别算法。仿真实验表明当人耳处于复杂环境下,该算法有着良好的识别效果,并对遮挡、姿态偏转、噪声等干扰有着良好的鲁棒性。