人脸识别因其随身携带、不易丢失和盗取,随时随地易采集等优点在身份验证的主流里,迅速成为了代表性生物识别技术。虽然人脸识别在众多领域里都表现出较强的识别性能和安全性能,但实际应用里还是有许多困难需要克服,其中主要包括:光照变化,人为遮挡,姿态和表情的变化,样本数量不足等非约束性情况。如何解决这些问题,并扩展已有人脸识别算法的鲁棒性和可靠性,成为本文研究的主要方向。根据字典学习和稀疏表示在模式识别取得的成果,本文提出基于联合多重字典学习结合扩展稀疏表示的人脸识别算法,通过建立多重字典学习,并结合扩展稀疏表示的分类方法,对非约束性人脸识别方法进行探究。具体研究内容如下:(1)针对代价敏感的人脸分类问题,设计由粗到细的人脸安全认证方法-限定表情动作模式的代价敏感人脸安全认证模型。考虑到把代价敏感信息加入到稀疏编码学习过程,构造二重字典:辨识字典和确认字典,分别用于粗略识别和精细确认的二重认证。为了增强字典的鲁棒性并减小代价敏感值,对二重字典进行空间距离自适应加权,再通过稀疏表示进行人脸分类认证,提高人脸认证模型的效率。同时,在认证过程中,分析各种情况下的代价敏感惩罚值的关系,调整认证算法,完成人脸重认证实验研究。(2)根据遮挡字典修正和图像交集聚类方法,提出人脸可变遮挡位置精确探测和人脸迭代恢复的算法。利用图像处理和修正的遮挡字典来确定样本的遮挡部位,实现样本遮挡区域的分离,并建立遮挡部位地图;应用探测到的人脸精确遮挡部位地图做指导,稀疏迭代恢复遮挡部位,通过图像组合形成完整无遮挡的人脸图像,体现样本的全局特征属性;通过对比三种典型的遮挡掩模探测方法的恢复效果,验证了本文算法对于遮挡情况的优秀检测和还原性能。(3)考虑到信息量丰富的字典可以很大程度上有助于稀疏编码,构建组字典学习和高效联合核协同表示模型。挖掘样本的原型空间和虚拟空间的丰富信息,利用原图和仿射变化的虚拟训练图集进行错位组合,建立样本组错位原子字典,一方面扩大字典的携带样本变化的信息量,另一方面增强字典的辨识能力和编码能力;采用联合优化核协同表示的分类器,捕捉更多图像非线性结构,并减小时间消耗,分别通过仿真实验,验证算法在训练样本不足情况下的识别性能。(4)分析了流形空间中样本位置对测试样本的能否正确分类的贡献度不同,融合人脸流形结构和稀疏编码的核空间技术,提出流形正则化核协同表示人脸识别算法。利用流形正则化基扩展通用核协同算法,增强算法的鲁棒性;提取图像局部纹理特征并结合优化的核函数算法进行分类,一方面减小算法对遮挡、光照的图像的敏感性,另一方面获得人脸图像更多非线性结构,通过仿真实验,验证算法在不同遮挡和噪声情况下人脸识别的性能。