人脸检测作为人脸信息处理中的一项关键技术，近年来在模式识别与计算机视觉领域中已经成为一个十分活跃的研究方向，具有极高的学术研究价值和商业应用价值。虽然形成了多种有效的检测方法，但是人脸检测仍然存在很多难点，人脸的光照、遮挡、多姿态等情况都对传统的简单背景的正面人脸检测不断提出挑战。 本文就多姿态情况下的人脸检测问题进行了研究，再将检测出的多姿态图像进行姿态校正合成虚拟正面人脸。主要研究了以下两方面内容： 多姿态人脸检测中，对待检测的多姿态人脸图像，首先进行姿态分类，根据人脸图像的旋转角度，分到对应姿态类中，然后针对每一类使用对应的支持向量机分类器进行人脸检测；在支持向量机分类器的训练过程中，使用主成分分析法进行特征提取，再用基本遗传算法进行特征选择，并且使用bootstrap的方法将误分的非人脸图像作为样本训练分类器，提高分类器性能。实验证明，这种算法对于多姿态人脸检测具有一定的鲁棒性。 针对人脸识别中的姿态问题，提出了一种基于单视图正面人像合成方法，将检测得到的多姿态人脸图像进行姿态校正。首先计算输入图像及其镜像之间的光流，进行人脸的运动估计，再运用姿态校正方法将人脸从侧面旋转到正面生成近似正面人像。实验证明，通过此方法可以有效的将一定角度范围内的非正面人脸校正为正面人脸，提高人脸识别效率，但是对于旋转角度较大的情况下的校正效果还有待提高。