近年来,随着计算机技术、模式识别技术的不断发展,人脸识别技术在人脸身份验证、接入控制、人机交互、执法、多媒体管理、监控等各个方面中的应用越来越广泛。由于应用需求的不断增加,促使人们不断进行研究,使得人脸识别技术在可控条件下能够取得较好的结果,同时也出现了一些问题亟待解决,如遮挡等造成的人脸部分信息缺失,姿态、表情变化造成的人脸结构的形变,年龄变化造成的人脸纹理的变化,人脸数据库的规模等。针对人脸识别难题中的遮挡问题和光照变化问题,本文通过对稀疏表示分类(sparse representation classification,SRC)算法进行改进,提高了光照、遮挡条件下人脸图像的识别率。主要工作如下:(1)根据遮挡条件下人脸遮挡部位的不确定性特点,本文提出一种对遮挡具有鲁棒性的融合局部与全局特征的分块SRC算法。算法首先对测试样本和训练样本进行均匀分块,然后对其相对应的子块分别进行基于稀疏表示的分类,最后利用融合整体和部分特征的分类判别准则,进行最终分类识别。该分类判别准则摒弃传统的“少数服从多数”的判别方法,结合Borda投票计数法和残差比值大小进行分类判别,既能克服局部图像判别法中的“以偏概全”,又能克服整体判别法中的由于彼此“意见不合”而造成的错误判别。通过利用标准AR和Extended Yale B人脸数据库进行仿真验证,证明该算法能显著提高遮挡条件下人脸图像的识别率。(2)针对光照不均匀人脸图像,本文提出一种光照鲁棒的基于特征加权分块的SRC算法。该算法首先对所有图片进行基于对数域离散余弦变换的预处理,实现人脸图像的光照归一化,再对预处理后的图像基于额头、眼晴、鼻子、嘴巴等特征进行人脸图像特征分块,并引入加权矩阵w,以每个特征子块权重为单变量进行对照实验,来测试不同特征子块对正确人脸识别的贡献程度,再根据测试结果为各特征子块赋予不同权值。对数域离散余弦变换可以对光照不均匀的人脸图像进行光线补偿,加权分块可以通过对人脸不同部位设置不同权重而更好的表达出人脸信息。该方法在Yale B和Extended Yale B人脸数据库上的识别率分别为97.45%和98.10%,实验结果验证了本文所提算法在复杂光照条件下人脸识别的有效性。(3)以提出的光照鲁棒的特征分块加权SRC算法为基础,实现了一个利用人脸验证作为网络应用登录的身份认证系统,把系统视为网络应用(微博、论坛等)的云服务端,对得到授权的网络应用登录进行人脸识别身份认证。利用人脸代替传统的数字密码作为网络应用中的登录密码,不仅省去了繁琐的密码记忆,还能有效的保护用户隐私。同时,通过对该系统的性能测试,还可以找出算法中存在的不足,便于后续改进。