在復(fù)雜的非人臉成分干擾以及訓(xùn)練樣本過(guò)大、訓(xùn)練樣本之間相似度較高的條件下，原始稀疏表示分類（SRC）算法識(shí)別準(zhǔn)確率較低。針對(duì)上述問(wèn)題，提出一種基于主動(dòng)表觀模型的稀疏聚類（CS-AAM）人臉識(shí)別算法。首先，利用主動(dòng)表觀模型快速、準(zhǔn)確地對(duì)人臉特征點(diǎn)進(jìn)行定位，獲取主要人臉信息；然后，對(duì)訓(xùn)練樣本進(jìn)行K-means聚類，將相似程度高的圖像分為一類，計(jì)算聚類中心，將該中心作為原子構(gòu)造過(guò)完備字典并進(jìn)行稀疏分解；最后，計(jì)算稀疏系數(shù)和重構(gòu)殘差對(duì)人臉圖像進(jìn)行分類、識(shí)別。將該算法與最近鄰（NN）、支持向量機(jī)（SVM）、稀疏表示分類（SRC）、協(xié)同表示分類（CRC）人臉識(shí)別算法在ORL和Extended Yale B人臉數(shù)據(jù)庫(kù)上對(duì)不同樣本數(shù)及不同維數(shù)的人臉圖像分別進(jìn)行識(shí)別率測(cè)試，在相同樣本數(shù)或相同維數(shù)情況下CS-AAM算法識(shí)別率均高于其他算法。在ORL人臉庫(kù)中選取樣本數(shù)為210時(shí)，相同維數(shù)條件下CS-AAM算法識(shí)別率為95. 2%；在Extended Yale B人臉庫(kù)上選取樣本數(shù)為600時(shí)，cs-AAM算法識(shí)別率為96. 8%。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效地提高人臉圖像的識(shí)別準(zhǔn)確率。