近年来,随着生物鉴别、人工智能以及新一代人机交互等技术的迅猛发展,自动人脸识别因其方便性、友好性和可靠性成为研究的热点。研究表明,人脸姿态的变化导致识别性能的显著下降。因此,研究多姿态人脸识别问题具有重要的现实意义。本文主要对基于张量子空间分析的多姿态人脸识别算法进行研究,主要的创新性成果如下：研究了一种基于Gabor特征和张量姿态流形建模的多姿态人脸识别算法。首先,该算法引入多个尺度和方向的Gabor滤波器组提取人脸局部Gabor特征；然后,采用主成分分析法进行特征降维；最后,利用张量子空间分析分离出人脸图像的姿态信息并对其进行建模,实现人脸姿态估计,进而实现多姿态人脸识别。实验结果表明,该算法有效地提取了多姿态人脸图像的纹理结构信息,更加精确地描述了非线性姿态流形,从而提高了识别精度。为了充分地保留人脸姿态的非线性结构信息,本文研究了一种基于张量子空间分析和局部保持投影的多姿态人脸识别算法。该算法首先利用张量子空间分析分离人脸图像中的身份信息,并重构人脸图像：然后,引入局部保持投影将重构图像映射到低维空间；最后,采用K近邻方法进行人脸姿态估计,进而实现人脸识别。实验分析表明,本算法不但在低维空间上充分保持了人脸姿态的结构信息,而且对姿态的估计有较好的鲁棒性。