人脸识别发展至今,姿态变化和光照变化成为非确定环境、无需用户配合条件下自动人脸识别的主要瓶颈所在,这也是限制自动人脸识别得到进一步广泛应用的主要原因。此外,单样本在许多实际的应用中是一个基本条件。因此单样本条件下可变姿态、可变光照的人脸识别技术研究,受到研究者们的广泛关注,具有十分重要意义。本文首先阐述了人脸自动识别的研究背景,然后围绕可变姿态、光照人脸识别中两个关键问题：姿态校正与光照校正,详细分析了特征点检测与定位、三维建模技术,并对三维数据获取、特定人脸建模、各种姿态及光照校正方法进行了介绍和分析,指出了各自算法的适用范围及优缺点。本文通过Candide-3建模研究,结合主动形状模型和主动表观模型的优点,提出了一种基于Candide-3模型的特定人脸三维重建方法。该方法能较好地提高特定人脸三维重建的时间效率,同时还保证人脸三维重建的准确程度。在单样本条件下,给出了一种新的基于多姿态样本生成和图像信息增强的人脸识别算法。应用Candide-3模型进行特定人脸建模,将正面的人脸通过姿态调整产生多个不同姿态下的人脸图像,同时采用基于训练样本增强的统一基空间奇异值分解方法进行特征表示与增强,结合最近邻法进行分类,较好地提高了在单样本条件下的人脸识别率。在分析现有人脸验证算法基础上,提出了一种基于Candide-3和支持向量机(SVM)的单训练样本人脸验证方法。该方法通过对Candide-3重建模型的旋转产生姿态不同的多张数字人脸,将它们和原始样本一起作为训练数据,应用SVM进行分类匹配,进行人脸验证。通过实验,表明采用该方法进行人脸验证有了接近多样本人脸识别算法的识别率。基于球面谐波理论,首先将真实光照条件的不同人脸图像的光照系数矢量(即光照环境的9个低维球面谐波系数)估计作为光照系数生成算法的训练集,然后通过改进的等误差竞争学习算法计算各类光照环境的光照系数中心矢量,之后对中心矢量加入随机扰动生成光照系数矢量。实验表明,这种方法能够生成对真实光照条件较好模拟的光照系数矢量,为生成光照效果不同的数字人脸提供了基础。为了更好的容忍光照、姿态调整过程引入的新的不利因素,给出了一种利用单样本重建的姿态、光照不同的数字人脸作为训练集,建立其人脸HMM的方法。所提出的方法在单样本的限制下,利用特定人脸的3D模型,得到光照和姿态不同的新的人脸图像。再构建用户的独特人脸HMM,将不同光照与姿态的人脸图像作为模型的训练数据,模型中包含有不同光照、姿态下的观测值分布与状态转移的信息,从而有效的识别各种不同姿态与光照条件下的人脸图像。HMM是一种双重随机过程,能较好的容忍观测值的偏移,从而可以减小对光照、姿态调整的依赖程度。模型构建完成后,识别时无需对待识别图像进行姿态校正和光照补偿。实验显示该方法在提高识别率的同时,显著降低了识别处理时间,更能适应于大规模、实时人脸识别应用。本文最后,完成了一个实验平台的设计、开发。描述了实验平台的软件实现,给出了部分操作界面。该实验平台基本实现了前述各章的主要算法,在多个人脸库上的运行稳定、识别结果较为理想。针对具体应用对考生身份验证的需求进行了分析,提出了一个基于自动人脸识别方法的考生身份验证系统。