传统的协同表示，在光照、表情等复杂环境变化下识别效果明显下降，针对此问题提出一种基于局部通用的加
权协同表示人脸识别算法。一方面通过构建通用训练集，另一方面在协同表示中设置加权约束项，增强样本在遮挡等复杂环境下的竞争性，提高同类样本的局部协同表示性能，从而更高效地对人脸进行协同表示，提高表情、遮挡等环境变化下人脸识别的准确率和鲁棒性。在公开的Extended YaleB、AR人脸数据集进行仿真实验，并与传统的算法CRC、SRC、ESRC进行对比，结果表明，改进的基于局部通用的加权协同表示人脸识别算法在这种复杂环境表现出很好的鲁棒性。