人脸识别技术,是一项涉及多交叉学科的生物特征识别技术,该技术通过处理从人脸图像中提取到的特征信息,从而实现对样本人脸的匹配与分类。由于人脸图像的采集过程具有便捷性和直接性,所以人脸识别在政府、商业、安防等领域都得到了广泛的应用。目前,众多的人脸识别技术在较为理想的图像上都取得了显著的实验结果,但是在实际应用的过程中,标准正面的人脸图像采集困难,并且在非理想条件下采集到的人脸图像对识别的准确率会产生很大的影响。针对环境变化尤其是人脸姿态变化给人脸识别研究带来的难题,本文在深入研究当前主流的人脸姿态矫正方法的基础上,提出一种基于3D人脸模型的多姿态矫正算法,将不同姿态下的人脸图像合成为正面视图,此算法可以使矫正后的输出结果更具鲁棒性,进而提高人脸识别的准确率。本文的主要工作和研究成果如下:1.总结了多姿态人脸合成的研究现状和主要挑战,从二维图像和三维模型两个方面详细阐述了多姿态人脸矫正领域目前较为流行的研究成果与方法,并对其各自的性能和优缺点进行了分析对比。2.在深入分析当前主流的人脸姿态标准化重建算法的基础上,本文提出一种基于3D模型的多姿态人脸图像矫正算法。该算法首先对输入图像进行预处理,以采集人脸的特征信息,然后通过计算二维图像与标准3D人脸模型之间的映射关系产生二维特征信息对应的三维特征点,从而生成与输入人脸对应的3D人脸模型,将该模型的正面视图投影到二维平面可得到初步的正面化人脸图像,最后为了使结果更加真实,对初步结果视图上的不可见区域进行评估,并根据其对应的可见特征,利用均值坐标(mean-value coordinates,MVC)图像编辑方法对不可见区域进行填充,从而得到最终的人脸姿态矫正结果。实验结果表明,所设计方法的矫正准确率可达70%以上,较好地实现了复杂环境下的人脸正面化合成。3.将本文提出的基于3D建模的多姿态人脸合成方法算法应用于性别判断、年龄估计和人脸识别等研究中,实验结果表明,本文提出的多姿态合成算法具有广泛的实用性,经实验分析,本文算法合成后产生的图像在不同情境下识别的准确率均有明显的提高。