基于稀疏表示的人脸识别中的子空间追踪（SP）算法的候选原子个数固定与稀疏度相同，因此需要已知信号的稀疏度。针对该缺点，提出一种改进的子空间追踪算法，在选择原子的过程中引入回溯迭代优化思想，候选原子个数随着迭代次数逐一增加。通过移除候选原子集中数量同样逐一增加的可信度较低的原子，使选择的原子与待识别人脸图像具有最相似的结构，能较好地重构人脸。采用稀疏表示分类（SRC）框架，分别与基于SP、SASP、正交匹配追踪（OMP）、OMP-cholesky的人脸识别相比，在ORL和YaleB人脸数据库上的实验结果表明，该算法有最高的识别率。