多姿态人脸识别系统的研究与实现。基于图像或视频的人脸识别技术作为一个非常活跃的研究领域涉及到多个学科，例如:图像识别、模式识别、计算机视觉、生理学、神经网络等领域。人脸识别技术具有不会遗失、不易伪造、不易察觉等特点。但同时人脸识别很容易受到姿态、光照、表情的影响，又有很多困难和不足，需要进一步的研究。　　 人脸识别系统通常由三部分组成:数据采集、人脸检测和人脸识别，其中人脸识别又包括训练与识别两个部分。本文主要研究多姿态条件下的人脸识别问题，在现有成果和技术的基础上，在以下几个方面开展了一些研究工作:　　 (1)人脸特征定位与标准化。本文采用主动形状模型进行人脸特征定位。搜集20个人在各种姿态下的图片进行训练。建立局部灰度结构模型进行特征匹配。研究了多姿态人脸在特征定位后的归一化问题。　　 (2)针对多姿态人脸识别时，不同姿态下人脸特征比较的不合理性，本文通过建立点分布模型，调整姿态参数，然后利用薄板样条函数生成虚拟人脸的办法，提高多姿态人脸识别的识别率。一个改进的办法是利用了人脸的对称性，增加了训练集中的人脸图像数量，使用这种扩展的训练集，可以消除点分布模型的姿态参数中刚性成分和非刚性成分的耦合。使生成的虚拟人脸更接近真实的人脸图像。实验表明这种方法对识别率的提高有很大的帮助。　　 (3)本文搭建了一个人脸识别系统，采用ASM进行人脸定位，之后利用Gabor小波滤波加LDA的方法进行特征提取以及降维。这种局部特征和整体特征的结合，可以消除光照、表情对识别率的影响。再通过生成虚拟视图的办法消除姿态对识别的影响。在ORL人脸库、FERET人脸库以及CMUPIE人脸库上进行了人脸识别。重点在PIE数据库上进行了多姿态人脸的识别实验。理论和实验表明本文的算法能很好的提高人脸识别的识别率。