人脸识别技术是利用计算机分析人脸图像,进而从中提取出能有效表征人脸图像的识别信息,用来辨别人的身份,以达到监督、管理和控制目标的一种技术,属于生物鉴别技术的一种,是当前模式识别和图像处理领域的研究热点。与其它生物特征识别相比,人脸识别具有主动性、非侵犯性和用户友好性等优点而受到研究者的关注,可以广泛应用于商业、司法和公用事业等领域。因此,深入研究该技术具有重要意义。人脸识别技术常遇到样本维数高、类别数大、训练样本少,以及姿态、光照、表情的影响等问题。而在特征提取的众多方法中,子空间方法具有计算代价小、描述能力强、可分性好等特点,现已成为人脸识别的主流方法。本文针对测试样本的姿态变化对人脸识别的影响,以及只能获取少量训练样本的情况,重点以子空间的特征提取方法为手段,对多姿态人脸识别进行了研究。主要的研究工作如下:①针对在实际应用中,人脸识别系统受测试人脸图像姿态变化的影响,而识别精度降低这一难点,本文研究了基于正弦变换(Sine Transform, ST)的改进型姿态校正人脸识别策略。该方法是在传统的人脸识别系统中加入姿态校正这一前端处理,将多姿态样本校正为正面人脸图像。该方法可以保留人脸图像的纹理信息,实现快速的人脸姿态校正,并且计算代价小,易实现。这在只有少量正面训练样本的情况下,利用主流算法也能保证其系统的鲁棒性。与传统的人脸识别系统相比,在受到姿态变化的干扰时,增加姿态校正模块并不会增加系统负荷,同时能够提高识别精度。②在有些场合每个人只能提供一个正面训练样本,但是现有的人脸识别算法识别率的高低大多与每个人的训练样本数正相关。本文利用多项式变换和正弦变换的方法增加虚拟样本,通过增加训练样本提高识别率。在增加虚拟样本后,解决了类内散布矩阵为零的问题,使得基于线性判别准则的各种方法对单训练样本的人脸识别问题也可以使用。③将基于子空间的特征提取方法与不同条件下的多姿态人脸识别策略相结合,验证了几种子空间算法在姿态校正人脸识别策略下的识别率,与使用姿态校正之前的识别结果相比,识别率都得到了提高。