对于单训练样本人脸识别，基于每人多个训练样本的传统人脸识别算法效果均不太理想。尤其是基于Fisher线性鉴别准则的一些方法，由于类内散布矩阵为零矩阵，根本无法进行识别。提出一种新的样本扩充方法，即泛滑动窗法。采用“大窗口、小步长”的机制进行窗口图像采集和样本扩充，不仅增加了训练样本，而且充分保持和强化了原始样本模式固有的类内和类间信息。然后，使用二维线性鉴别分析方法（2DLDA）对上面获得的窗口图像进行特征抽取。在ORL国际标准人脸库上进行的实验证实了所提算法的可行性和有效性。