随着社会信息化程度和自动化程度的提高,人脸识别作为一种生物特征识别技术,得到了越来越多的关注。目前理想条件下的正面人脸识别问题已经得到了很好地解决,但面对人脸识别技术实际应用中的不可控因素,如视角、姿态、光照、表情等,现有的方法还不能很好地消除它们的影响。其中,单视角和多姿态是人脸识别实际应用过程中经常会同时遇到的问题,而单视角造成的训练样本过少和多姿态人脸识别对样本完备性的要求之间存在着矛盾,因此,本文的研究重点就是如何克服上述问题,提高单视角多姿态的人脸识别水平。对于这个问题,本文研究分析了现有的人脸识别方法的不足,设计了一种针对单视角多姿态人脸识别问题的解决方案。本文首先研究分析了自动人脸识别系统的组成,将主要利用姿态估计和虚拟人脸生成这两种识别预处理方法来解决单视角多姿态人脸识别问题:先用人脸姿态估计结果对待识别人脸进行筛选,去除姿态不适合直接识别的人脸,再通过生成虚拟人脸来扩展人脸训练样本库以实现对多姿态人脸的识别。在此基础上,本文设计了基于姿态估计和虚拟人脸生成的单视角多姿态人脸识别系统结构。接下来本文研究了姿态估计问题,通过分析现有的方法的不足,将类内协方差规整方法用于人脸的姿态估计,这种方法结合了HOG图像特征提取方法和类内协方差规整的特征数据处理方法,通过广义线性核SVM分类器实现人脸的姿态分类。在CMU-PIE多姿态人脸数据库上的实验,验证了这种方法能够有效实现人脸的姿态估计。然后本文对虚拟人脸生成方法进行了研究,先通过基于三次多项式的方法改进了基于多项式变换的虚拟人脸生成方法,改善了基于多项式的方法的效果。针对基于多项式的方法在人脸拟合误差上的不足,本文将RBF神经网络作为人脸变形模型用于虚拟人脸的生成,这种方法大大降低了拟合误差,使生成的人脸更接近真实人脸。最后,通过实验结果的对比,说明了本文所设计的方案能够有效提高单视角多姿态的人脸识别准确率。