摘要：目前的人脸识别算法常常忽视训练过程中噪声的影响，特别是在训练数据和待测数据都受到噪声污染的情况下，识别性能会明显下降。针对含有光照变化、伪装、遮挡及表情变化等较大噪声的人脸识别问题，提出了一种基于低秩子空间投影和Gabor特征的稀疏表示人脸识别算法。该算法首先通过低秩矩阵恢复算法得到训练样本的潜在低秩结构和稀疏误差结构；然后利用主成分分析法找到低秩结构的Gabor特征所在低秩子空间的变换矩阵；再通过变换矩阵将所有样本的Gabor特征向量投影到低秩子空间上，在该低秩子空间上使用稀疏表示分类算法进行最终的分类识别。在Extend Yale B和AR数据库上的实验表明，新算法具有较高的识别率和较强的抗干扰能力。

关键词：人脸识别 稀疏表示 低秩矩阵恢复 gabor特征提取 低秩子空间投影 

单位：江南大学物联网工程学院; 江苏无锡214122; 浙江大学计算机科学与技术学院; 浙江杭州310027