近年来,生物特征识别受到了人们越来越多的关注。与其他生物特征识别方法相比,人脸识别具有直接、友好、方便等特点,易于为用户所接受,因而人脸识别技术在社会各领域都得到了广泛的研究与应用。在人脸识别中,光照变化与姿态变化通常会引起人脸外观的明显变化。目前,解决光照问题的一种有效方法是利用主动近红外光进行人脸识别,该方法可以有效的减少光照变化对识别性能的影响。然而,人脸姿态变化很难通过直接的方法进行控制,因此可以采用姿态估计来进一步克服姿态变化问题。人脸姿态估计是指在输入的图像中确定人脸在三维空间中姿态的过程,人脸姿态变化通常分成3种类型：左右旋转、上下旋转和图像平面内旋转。本文提出了一种新的人脸姿态估计方法,用于计算人脸左右旋转角度。该方法首先对归一化人脸图像进行鼻孔定位,再根据模型中鼻孔与眼睛坐标参数计算得到人脸的左右旋转角度。由于人脸左右旋转角度过大时,易导致一个鼻孔不可见,此时鼻孔定位算法失效。在此情况下,采用边缘统计方法进行人脸姿态估计。边缘统计方法首先对归一化人脸图像进行边缘检测,再对边缘图像对称展开,对展开后的图像做垂直直方图统计,计算直方图平均值与物理中线的水平距离以确定人脸的左右旋转角度。本文的人脸识别采用LBP特征和Ada Boost算法进行人脸识别分类器训练。在识别过程中,首先对待识别图像进行人脸姿态估计,若人脸左右旋转角度过大,则认为此图像质量较低,不再进行后续的人脸识别处理。人脸姿态估计预处理可以确保所有参与识别的图像具有正脸的特点,这有利于提高人脸识别系统的性能。本文实现了基于LBP特征和Ada Boost算法的人脸识别训练程序,在一个较大规模的近红外人脸数据库上进行训练。在测试库上,使用人脸识别分类器进行识别。实验结果表明,带有人脸姿态估计预处理的人脸识别方法性能优于没有人脸姿态预处理的人脸识别方法,具有更高的精确性,且达到了实时性要求。