人脸识别技术是模式识别领域中最富有挑战性的研究课题，在信息安全、智能视频监控、智能门禁等领域都有广泛的应用前景。目前，在理想成像条件下，人脸识别技术已经达到实用化。在复杂环境下，如姿态、光照、表情变化以及遮挡等是影响人脸识别性能的重要因素。本文主要针对姿态变化的人脸识别技术开展研究。论文的主要工作如下:　　1、针对基于仿射尺度不变特征(ASIFT)的人脸识别算法存在的问题，研究ASIFT对姿态变化的鲁棒性，发现ASIFT对人脸图像的平面内旋转和25度以内的平面外旋转具有较好的鲁棒性。基于上述分析，提出了基于多姿态二值SIFT(Multi-Pose Binary SIFT，MPBS)的人脸识别方法，用5个姿态(0°，±45°，±90°)的人脸图像作为训练集，可以有效识别水平旋转±90°以内和垂直旋转±25°以内的人脸图像，基本满足实际的人脸识别应用。　　2、针对MPBS数据量大的问题，提出了紧致多姿态二值SIFT(CompactMulti-Pose Binary SIFT，CMPBS)的人脸识别方法，采用稀疏表达对SIFT进行特征选择，在数据量减小30％的情况下，保证识别率下降不超过2％。　　3、针对MPBS量化过程中信息损失的问题，提出了一种基于最大位平均熵二值化SIFT的姿态人脸识别方法，对于每一个SIFT描述子，可以根据自身的特征值分布来自适应地选择量化方式，既可以避免信息损失，也可以避免信息冗余。是本文三种算法中人脸识别性能最好的算法。