针对单样本问题，基于相同类别的人脸变化信息应有相似的稀疏编码这一事实，提出结构化稀疏变化字典学习方法，以得到较好的共享类内变化字典。同时鉴于同一人脸的所有区域应有相同的类标签，通过训练样本与变化字典按坐标分块联合表示查询人脸区域，然后给稀疏系数引入导致结构化稀疏效果的约束条件，实现对应类别字典的自动选择，从而更好地表示查询人脸。提出的人脸表示方法可以在局部识别方法的优势上整合全局信息，使得在AR、ExtendedYaleB、CMU-PIE人脸库上的表现超过其他单样本识别相关的方法，取得了较好的识别效果。