人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,它在公共安全、信息安全、金融等方面有着非常广阔的应用前景。近年来,限定条件下的人脸识别取得了很大进展,但非限定条件下的人脸识别尚不成熟,其中姿态变化就是瓶颈之一,因此姿态变化人脸识别具有重要的研究意义和实用价值。论文对姿态估计问题进行了研究,提出了基于隐马尔可夫模型的姿态估计方法。本文探索了人脸对称性和姿态变化的关系,并采用快速傅里叶变换提取反映姿态变化的非对称性特征。为了更好地利用该特征进行姿态估计,接着使用具有严密和丰富的体系结构的隐马尔可夫模型对对称性特征建模,即对姿态建立了“姿态模型”。在Weizmann数据库和CAS-PEAL数据库上的实验结果表明,基于Fourier-HMM的姿态估计方法能够取得较好的姿态估计准确率。论文提出了基于HMM和线性回归的姿态人脸识别方法。在姿态估计结果的基础上,本文研究了姿态校正的问题。通过使用线性回归的方法学习了非正面人脸与正面人脸之间存在的映射关系,将姿态校正问题转化为姿态预测问题。为了更好地进行姿态人脸识别,引入局部的思想,提出了局部线性回归方法。对于只有单训练样本的情况下,使用了增加的虚拟训练样本,并将其同局部线性回归方法结合用于姿态人脸识别问题。最后使用HMM对产生的虚拟正面人脸进行人脸识别。实验结果表明该方法能显著地提高姿态人脸识别的准确率。