随着计算机技术和国际互联网的飞速发展,包括图像在内的各种多媒体数据的数量正以惊人的速度增长.另外,信息数字化技术给人们带来方便的同时,也面临着如何有效地针对海量数据进行分析、存储和检索的问题,尤其是针对诸如图像之类的多媒体数据.而人脸识别作为基于图像内容查询的一个重要分支,一直受到研究人员的普遍重视.同时统计资料表明,在家庭照片中大约75％的人脸是非正面的,因此,处理多视角人脸的能力对于许多与人脸相关的应用是非常重要的.多视角人脸检测已成为极具挑战性的问题.其挑战性首先在于人脸外貌、光照和表情的改变带来的变化和复杂性.人脸角度(姿态)的变化使问题更复杂,因为把多视角的人脸分类到一个特征子空间要比把正面人脸分配到一个特征子空间更分散、更复杂.该文针对多视角情况,对基于内容(面部特征)的人像图像库进行研究.提出了一种基于学习的多视角姿态估计和人脸检测算法.该算法基于独立子空间分析(ISA)技术,给出了ISA视角子空间分析公式和有效的多视角子空间有监督学习算法.多视角子空间人脸模型学习算法能够实现比无监督ISA学习算法得到更高的姿态估计精度.计算子空间活性作为尺度,根据MVSA(最大子空间活性)准则完成不同视角的划分.人脸检测算法采用内核支持矢量机(KSVM)学习算法,用一组基于视角的SVM分类器来区分人脸和非人脸.每个视角训练一个SVM分类器来完成各个视角的分类,可以给出较准确的人脸/非人脸检测结果.