最近，基于描述子的局部二进制模式（LBP）与基于分类器（SRC）稀疏表示（SRC）成为人脸识别两个杰出的技术。初步结合LBP和SRC技术已经在文献中提出的。然而，在真实世界国家的艺术方法，遭受的“维数灾难”。在本文中，提出了一种新的LBP与Src结合的人脸识别算法。其中的维数问题的分而治之和辨别力是加强通过金字塔增强。所提出的人脸识别方法是在AR人脸数据库上的评价，产生令人印象深刻的结果。

一种称为稀疏表达分类器（sparse representation classifier, SRC）的压缩传感方法应用于宽吻海豚音类型分类。SRC算法能够利用训练音集构造一个声音字典。在分类阶段，一个未知的声音可以由训练声音集的线性组合进行稀疏表达，调用类可以由L1范数优化程序确定。研究中进行的实验显示了提出的方法与已有方法（如k-近邻和支持向量机）在区分不同声音方面的优点和局限性

本文将介绍一种基于深度学习和稀疏表达的人脸识别算法。首先，利用深度学习框架(VGGFace)提取人脸特征；其次，利用PCA对提取的特征进行降维；最后，利用稀疏表达分类实现特征匹配。我采用CMC曲线评价在AR数据库上的识别性能。最后我还提供了整个过程的code。