目前在人机交互中鲁棒性不高的主要因素之一在很大程度上是人必须适应计算机，而计算机没有适应环境的能力，如光照、视角不满足计算机的要求时就会丢失部分信息，或增加了判决的不确定性，使得在复杂环境下的交互带来困难。在人脸识别技术实际应用中，外部环境因素，如光照、姿态等会在不同程度上影响系统的识别率，导致识别效果变差。本文从姿态变化对人脸识别的影响出发，提出在多目感知的模型下研究“适境计算”的理论框架和实现方法，以解决计算的鲁棒性问题，运算量小、计算过程简单，实验仿真结果表明，本文提出的相关概念和算法是正确的、可行的。现将本文研究工作总结如下：　　第一，提出在人脸识别系统中使用多目视觉即多摄像机系统解决感知问题。传统的单目、双目视觉感知是集中在中心投影摄像机模型指导下的感知研究，在该模型下解决人脸识别问题有很多难以解决的限制。因此，本文提出将多目视觉应用在人脸识别系统中，通过无重叠配置实现从感知阶段最大限度的解决由于遮挡、姿态等复杂环境带来的难点，进而提高感知的精确性。　　第二，适境计算概念的提出。本文在多目视觉的前提下提出了适境计算的概念，适境即计算机主动适应外部环境变化的过程，该过程通过关键因素检测、计算，并根据一定的决策做出适境判决、选择，减小外部环境对人脸识别产生的影响。　　第三，提出基于适境计算框架的信息融合算法。本文提出了将广义回归神经网络(General Regression Neural Network，GRNN)和Dempster Shafer(DS)证据理论相结合的决策级信息融合方法，利用GRNN神经网络对每个摄像机所拍摄到的图像进行基本概率分配，得出单个摄像机对目标的判决，然后利用DS证据理论的组合规则和本文使用的决策规则，得出融合后对目标的整体判决，提高判决的正确性。