伴随着人工智能技术的不断演进与逐步实践应用,众多领域在这股核心驱动力的作用下不断推进智能化的变革。生物体特征识别作为一类利用个体生理或行为表征进行身份精准匹配的技术在人工智能的推动下再一次成为研究的热点。在诸多生物特征中,人脸信息因其与个体身份唯一匹配的特性在生物体特征识别领域占据着重要地位。然而,当前人脸识别面临的一个棘手问题是在识别非限定姿态下捕捉到的人脸图像时识别准确度会急剧下降,这直接影响到人脸识别技术的应用范围。因此如何降低面部姿态变化对人脸识别造成的干扰将是本文的研究重点。在面部姿态发生变化的条件下,本文围绕多姿态人脸图像预处理算法及对姿态鲁棒特征提取算法开展研究,目的在于提升非正面姿态下人脸识别的准确度。本文的主要工作归纳如下:1.对姿态无关人脸识别的基本框架进行介绍,并对框架中每个环节涉及到的关键技术进行比较分析。2.提出了基于纹理填充和三维人脸模型的姿态校正算法。针对传统姿态校正算法需要大量同一个体在不同姿态下的样本训练不同视角间对应关系的问题,本文在引入人脸三维模型的基础上,建立人脸图像局部纹理区域单应性变换关系,从而将不同姿态下拍摄的人脸图像映射至正面情况。针对较大姿态下面部图像经过姿态校正后局部纹理缺失的问题,研究了单张图像和三维形变模型的配准关系,并结合泊松编辑算法对缺失纹理进行合理补全。3.提出了基于融合多源滤波器组特征的人脸识别算法。该方法首先建立不同规格的Gabor滤波器组和ICA(Independent Component Analysis)滤波器组,通过遍历卷积得到了丰富的局部特征信息。针对单一滤波器组提取到的特征具有冗余且对人脸信息表征不够完备的特性,利用典型相关分析理论对两类来源于不同滤波器组的特征加以融合。实验表明,经本文方法融合得到的特征针对姿态变化的人脸图像具有一定鲁棒性,提升了不同姿态人脸图像的识别准确度。