人脸是人体的一个显著特征,它是人类赖以区分不同人的基本途径。作为多学科领域的挑战性难题,人脸识别技术在最近几十年得到了飞速的发展,但它仍有许多尚未解决的难题。最近十年,随着稀疏表达和压缩感知理论的发展,出现了基于稀疏表达(Sparse Representation, SR)的人脸识别算法,并在标准人脸数据库上进行测试,取得了很高的识别率。而后,又有相关研究人员对该理论进一步研究和扩展,提出了基于协同表达(Collaborative Representation, CR)的人脸识别算法和基于扩展稀疏表达(Extended Sparse Representation, ESR)的人脸识别算法,并且均在不同的环境下对标准人脸数据库取得了更高的识别率。本文基于上述几种人脸识别算法,提出了基于扩展协同表达(Extended Collaborative Representation, ECR)的人脸识别算法,它弥补了协同表达算法在训练人脸图片数量不足时的失效问题和扩展稀疏表达算法求解l1-min问题复杂度较大的问题。同时,将其与上述几种算法在标准数据库上进行对比测试,并取得了最高的识别率。最后,本文对日常人脸照片集进行测试,以检验ECR算法的实用性,并与CR算法和ESR算法进行比较,试图找出其中最具实用性的识别算法。