人脸识别是指利用计算机系统对输入的人脸进行分析并提取其有效的特征信息用来识别被输入者身份的技术。人脸识别技术因其非接触性,采集输入方便等特点,在诸如手机解锁,机场打卡等场景下均有广泛地应用。在科研领域同样引起了巨大研究的热情。目前,已经有许多卓有成效的工作被提出,并取得了优异的成绩。人脸识别技术常常会受到如姿态,表情和光照等因素的影响。而现有的许多人脸识别算法是以正面人脸作为输入的,因此,如何矫正人脸姿态到正面人脸是一项有研究价值的工作。本文在传统的人脸姿态矫正算法的基础上,针对传统的人脸姿态矫正算法研究中出现的问题:因旋转而造成的人脸局部区域扭曲和像素缺失的问题提出了两种改进型的人脸姿态矫正算法。主要的工作如下:(1)介绍了人脸识别的相关概念以及常用的技术,多姿态人识别的定义和相关的研究现状,以及介绍了本文在实验中用到相关人脸数据库。(2)针对因旋转造成的前后的语义不一致,即局部区域扭曲现象提出了一种基于三维形变模型(3D Morphable Models,3DMM)的人脸姿态矫正方法。通过该方法可以生成自然的人脸正面图像。具体来说,首先提出一种自适应的3DMM拟合算法,将输入的二维人脸图像与3DMM进行拟合。针对拟合过程中出现的局部纹理扭曲现象提出了一种基于Delaunay三角剖分的算法:利用Delaunay三角剖分将面部分割成若干三角形贴片,接着调整像素扭曲的三角形贴片。在LFW数据集上进行了多重实验表明,所提出的方法显著提高了人脸识别性能。(3)针对因人脸姿态偏转过大,合成正面人脸后会出现像素缺失的问题提出了基于图像修复的人脸姿态矫正算法。首先利用landmark检测算法检测出非正面人脸图像的landmark,然后利用姿态估计自适应3DMM拟合算法将2D人脸图像拟合到3DMM人脸模型。接着将得到的3DMM人脸模型经过归一化得到初步的正面人脸图像。接着将该正面人脸图像送入基于深度神经网络的图像修复网络中对正面人脸图像中像素缺失的孔洞进行修复。从定量和定性两个方面进行实验,实验结果表明了相较于传统算法,本文算法对经典的人脸识别算法具有性能提升作用这个结论。另外也说明了图像修复算法在人脸姿态矫正领域具有广阔的研究前景。