自动人脸识别技术是人工智能领域的研究热点之一,涉及图像处理、模式识别、机器视觉、心理学等多个学科领域的知识。随着社会各领域智能化的高速发展,人脸识别技术已被广泛应用于监控系统、门禁系统、犯罪鉴定、护照核对等多个领域。但是,目前的人脸识别系统在可控条件下能够取得比较满意的识别性能,在现实生活条件下的人脸识别技术还远未成熟。年龄、光照和姿态变化是影响当前人脸识别系统识别性能的主要因素。除此之外,在大数据下算法的速度问题也是人脸识别技术亟待解决的难点。本文主要从特征提取和特征降维两方面对多姿态人脸识别方法进行了深入的分析和研究,主要工作如下:　　1)采用尺度不变特征提取(SIFT)算法提取人脸图像特征点,根据特征点在多个视角图像中出现的频次判断它的鲁棒性,找出鲁棒SIFT特征生成人脸特征库,剔除冗余的特征点,以减少存储空间和识别时间,提高识别准确率。　　2)针对SIFT特征维数过高的问题,提出一种基于粗糙集(RS)属性约简的SIFT特征降维方法。该方法在保证一定的特征匹配精确度的前提下,利用属性约简方法对SIFT特征进行降维处理,生成RS-SIFT特征描述子,从而节约了存储空间,提高了算法的实时性。　　3)基于本文提出的算法构建多姿态人脸识别模型,并利用Matlab进行仿真实验,验证算法的性能及模型的鲁棒性。