在人脸识别中，传统有效的鉴别分析方法需要更多样本评估类内散度信息。由于人脸的单样本问题，导致某些经典的方法如Fisherface和Eigenface等失效，解决的方法通常是生成各种虚拟样本来扩充训练集以实施这些算法。针对这个问题，根据人脸的对称相似理论，人脸样本的相关变化信息可以从它的对称脸上提取，提出组合原始训练样本及它的虚拟平均脸、对称脸作为训练样本集，应用稀疏理论进行加权积分融合，分两步进行识别的方法，并在ORL和FERET人脸数据库做了对比实验。实验结果表明，该方法比现有一些突出效果人脸识别方法更好，并具有一定的鲁棒性。