1.一种基于类内变化字典建模的欠采样人脸识别方法，其特征在于，该方法包括以下步骤：S1：字典学习阶段：通过鲁棒主成分分析法获得通用数据集的稀疏误差图像，将其作为类内变化字典；具体包括以下步骤：S11：选取用于构造字典的样本M；

S12：通过鲁棒主成分分析法获得稀疏误差图像S，计算公式为：minL,S(‖L‖*+γ‖S‖1),s.t.M＝L+S其中，γ是正则化参数，L是图像的低秩成分，S是图像的稀疏成分，‖·‖*表示核范数；

S2：人脸识别阶段：将学习到的类内变化字典添加到扩展的基于稀疏表示分类的框架中以完成人脸识别过程；具体包括以下步骤：S21：选取训练和测试样本进行人脸识别；

S22：将学习到的类内变化字典添加到扩展的基于稀疏表示分类的框架中学习表示系数；

S23：计算每一类的表示误差，将最小误差的那一类确定为测试样本的类别。

2.根据权利要求1所述的欠采样人脸识别方法，其特征在于，所述步骤S1还包括：用基于增广拉格朗日乘数的方法求解步骤S12的凸优化问题，从而得到稀疏误差图像S，将其作为类内变化字典。

3.根据权利要求1所述的欠采样人脸识别方法，其特征在于，所述步骤S22具体包括以下步骤：S221：定义y为测试样本，A为训练矩阵，S为通过鲁棒主成分分析得到的类内变化字典，x，β为表示系数，则表示系数的计算公式为：其中， 是表示系数，λ是正则化系数；

S222：通过同伦法求解步骤S221中的1范数最小化问题，从而计算出表示系数。