提出一种基于压缩感知的单样本人脸识别方法，通过局部邻域嵌入非线性降维和稀疏系数的方法产生冗余样本，则新样本包含了多种姿态和多种表情。将所有的新样本作为训练样本，运用改进后的稀疏表征分类算法进行人脸图像的识别。在单样本情况下，基于ORL人脸库和FERET人脸库的实验证明，该方法比原稀疏表征方法在识别率上分别提高了15.53%和7.67%。与RSRC、SSRC、DMMA、I-DMMA等方法相比，该方法同样具有良好的识别性能。