人脸识别技术作为生物特征识别领域的一个主要内容已经得到了深入的研究，具有很高的实用价值。相对于其它生物特征识别技术，采用人脸进行身份识别和认证有着简便、快捷、非接触性等更为突出的优点，但是非约束环境下的人脸识别仍然面临着很多问题。光照、姿态、表情、遮挡、复杂背景等因素使得识别效果会严重受到影响。主动表观模型(Active Appearance Model，AAM)是在主动形状模型(Active Shape Model，ASM)的基础上直接进行扩展，利用先验模型对图像中的人脸进行匹配运算，优点在于该模型不仅包含形状信息，还包含人脸的内部纹理信息，能够用来标记特征点、合成人脸图像、进行目标跟踪等。　　 本文主要研究基于AAM姿态校正的人脸识别方法，通过对主动表观模型进行改进，尽可能消除表情，特别是姿态的影响，以期望得到更好的识别效果。利用AAM可以合成图像的特性，改进形状模型，去除掉表示姿态变化的那部分形状，可以让包含姿态变化的图片消除姿态信息。本文分别采用局部二值模式(LocalBinary Pattern，LBP)和支持向量机(Support vector machine，SVM)、LBP和线性判别分析(Linear Discriminant Analysis，LDA)、以及改进的HMAX模型和SVM的分类方法，在合成图像上进行识别，与未进行AAM处理的图像进行识别结果对比，实验表明，本文采用的改进HMAX+SVM的方法取得了较好的效果。