当前社会信息化、自动化、智能化快速发展,信息的安全性越来越重要。随着国家电网电力公司“三型两网、世界一流”战略目标的提出,打造枢纽型、平台型和共享型企业,建设运营好坚强智能电网已为大势所趋。因此,电力生产、管理、运营过程中的信息安全成为电力公司待解决的重要问题。工作人员和客户的身份识别是信息安全中的重要部分。传统的识别技术方法包括密码验证、智能卡等。这些技术方便、快捷,但其安全性差、易窃取、易伪造等,已不能很好地满足当前的需求。人类本身具有许多生物特征,如DNA、指纹、语音、虹膜、人脸等。这些生物特征具有唯一性、可靠性、不可简单的被复制,可以用来作为身份识别和验证的重要依据。与其它较成熟的人体生物特征识别方法(如DNA、指纹检测等)相比,人脸图像更容易获取,特别是在非接触环境和不惊动被检测人的情况下,人脸识别的优越性远远超过其它识别技术。本文主要研究图像的识别算法,用一些知名的人脸数据库作为测试对象,以稀疏表示原理为基础,提出了两种改进的人脸识别算法IPCR(Improved Probabilistic Collaborative Representation)和KPCR(Kernel Probabilistic Collaborative Representation)。在AR数据库测试,IPCR和KPCR分别得到了98.4%和98.5%的识别率。1.稀疏表示方法具有鲁棒性强、识别率高等特性,已被广泛地应用于图像的分类识别领域。本文以稀疏表示原理为出发点,提出了改进的概率协作表示,对Po CRC的稀疏系数依据测试图像与每个训练图像间的距离进行加权处理,进一步应用两阶段方法适当地选出重构待识别图像的训练样本集,因此能够更精准的进行分类。2.现实生活中,采集到的图像经常会受到光照,遮挡等影响从而降低了算法的识别率。本文提出的KPCR算法,在IPCR的基础上,引入高斯核函数,用高维的非线性数据替代低维线性数据来提升类别间隔,大量的实验表明该方法达到了更高的识别精度。