人脸识别的主要任务是从现场录像中提取出人脸，与已经建立的数据库中的人脸图像进行对比，辨识出特定人物的身份。现场摄像头拍摄图像有不可控的特点，例如发生在晚上的事件，摄像头不可能拍摄到该事件在白天的场景，再如摄像头拍摄范围内目标人物的脸一直没有正对摄像头，就不可能拍摄到人物的正面。然而即便是较小的光线差异或脸部位置的差异也可能导致识别系统的失败。本文研究人脸朝向的识别，因为同样的人脸拍摄角度不同，得到的特征向量也会有较大的差别，所以同一张人脸稍有偏向，计算机却可能会当成是不同的人。如果拍摄角度相同，那么同样的人脸对应的特征向量变化不大。所以人脸位置朝向问题的分析研究对于整个人脸识别问题具有重要的改进意义。本文应用神经网络方法实现人脸朝向识别，具体地说，首先收集人脸朝向不同角度时的图像，分为两组，两组图像分别在不同的光线背景下拍摄，第一组10人，第二组5人，每人5张，分别朝向左方，左前方，前方，右前方，右方。应用PNN和BP网络，对任意的人脸图像进行朝向辨识，并从两个方面对比两种网络的识别效果，首先针对来自同一组的人脸图像进行识别，比较二者的识别率。然后将两组不同背景的图片组合在一起进行实验，比较二者适应环境变化的能力。实验表明PNN网络能够很好地解决人脸朝向识别问题，其适应环境的能力很强。PNN网络和BP网络的对比结果是，在对光线背景相同的人脸朝向进行识别时，PNN的识别率达到100%，BP网络的平均识别率为85%；对光线背景不同的人脸朝向进行识别时，PNN显示出了非常强的适应环境变化的能力，并且来自环境不同的图像不影响对原来图像的识别，而在BP网络中新样本的添加严重干扰了网络对原来图像的识别率。