随着社会经济的进步,现代城市逐渐向智慧化方向发展。智慧城市离不开快速、准确的身份识别技术。人脸识别技术凭借其方便、高效和准确等优势正在逐步取代传统的身份识别方法。与其他的生物识别技术相比(如指纹识别、虹膜识别等),人脸识别技术具有其独特的优势,如非接触性和直观性。虽然人脸识别技术已经广泛地应用于公共安全领域和数字娱乐领域,但是仍然存在着许多关键问题亟需解决,如遮挡、姿态变化、光照变化、表情变化等。本文针对人脸识别中的姿态估计和特征融合等关键问题进行了广泛而深入研究,本文的创新点如下：●提出了一种新的相关滤波器,称为主元最优折中滤波器(Principal Optimal Tradeoff Filter,简称为POTF)。 POTF在一维频域的PCA子空间中设计相关滤波器。与传统的相关滤波器相比,POTF能够有效地降低计算复杂性并提高相关滤波器对光照和表情等变化的鲁棒性。●提出了一种人脸姿态估计的方法,称为方向相关滤波器集(Directional Correlation Filter Set,简称为DCFS)。DCFS由不同的人脸姿态的方向滤波器组成。每个方向滤波器由该方向的人脸样本设计得到的POTF构成。在PIE、HPI和UMIST等公用的多姿态人脸数据库上的实验结果表明,DCFS方法的人脸姿态估计的正确率达到了99%以上,并且能够有效提高人脸识别的准确率。此外,本文将DCFS方法拓展到遮挡判定领域,其在AR人脸数据库上遮挡判定的正确率达到了100%。●提出了一种非线性特征融合方法,称为基于多项式滤波器的非线性特征融合方法(Non-linear Feature Fusion Based on Polynomial Correlation Filter,简称为NF-PCF)。在深入分析多种特征描述子的原理和优缺点基础上,本文利用全局特征和局部特征的互补性来提高特征融合的性能。在基于人脸结构属于非线性结构的假设基础上,本文融合高阶信息得到鲁棒的特征描述子。在Yale、 PIE、GTFD和LFW等公用的人脸数据库上的实验结果表明,NF-PCF方法要优于LPP等经典方法,其与SRC方法结果相近,但NF-PCF方法速度快于SRC方法。