人脸识别在电子商务、视频监控、门禁系统等方面具有广阔的应用前景。近几十年来，已经出现了很多经典的人脸识别方法。大部分经典算法都能够在多样本条件下取得不错的识别效果。然而在很多实际应用场景下，数据库对每个人只能采集到一幅人脸图像作训练，例如护照、驾驶证、身份证等。这就导致了单样本人脸识别问题的出现。面对单样本问题，许多现有的经典人脸识别方法的识别效果差强人意，有些算法甚至根本不能使用。因此，对单训练样本条件下人脸识别技术的研究，具有重要的理论意义和应用价值。本文首先介绍了单样本人脸识别课题的研究背景与意义，总结和分析了国内外单样本人脸识别研究的现状与进展。通过分析单样本人脸识别和多样本人脸识别的区别以及当前主流人脸识别技术，引出目前单样本人脸识别所存在的问题。针对当前主流单样本人脸识别技术对图像局部纹理特征的忽视，本文提出将图像局部纹理特征引入单样本人脸识别技术中。通过对比Gabor、LBP以及图像梯度算法三种局部纹理提取算法，综合考虑识别率以及识别速度，使用图像梯度算法提取局部纹理特征。考虑到特征提取是在梯度空间进行，此空间对于噪声影响十分敏感。本文提出了基于B样条的图像梯度算法，算法选取具有阶数可调性的B样条函数对图像进行滤波后再提取局部纹理信息。最后在公开的标准数据库上实验说明了此算法在单样本人脸识别中的效果。基于单样本人脸识别应当尽可能多的从一张样本中提取较多的人脸特征的思想。本文考虑对图像全局特征以及局部特征融合来进行单样本人脸识别。本文提出了G2DPCA算法，通过2DPCA提取图像全局特征并融合图像梯度所提取的局部纹理特征进行单样本人脸识别。最后在公开的标准数据库上实验说明了此算法在单样本人脸识别中的效果。