人脸识别,作为近些年来备受瞩目的生物特征识别技术之一,因采集方式简单,过程方便快捷,效果直观而得到了大量研究者和企业的广泛关注。人脸对齐是整个人脸识别方法的基础,其对齐效果的准确性将直接影响人脸识别的结果。随着研究的不断深入,人脸对齐方法也被运用到人脸三维重建、表情识别、智能美妆等领域中,因此具有非常重要的研究意义以及广阔的应用前景。狭义的人脸对齐指消除人脸图像空间上的未对齐,比如旋转、尺度变化以及平移等。而广义上的人脸对齐则是指自动定位出人脸关键特征点,如眼睛、鼻子、嘴巴以及轮廓等部位的关键点。针对人脸对齐的问题,本文主要从两个方面展开研究,分别提出一个基于TI-SPCA(Transformation Invariant Symmetrical Principal Components Analysis)的人脸自动对齐方法及其识别框架和一种基于姿态先验的鲁棒的人脸对齐方法,具体研究内容如下:1.设计了一个基于TI-SPCA(旋转不变的对称主成分分析)的人脸自动对齐方法及其识别框架。不同于以人眼坐标对齐人脸的方法,TI-SPCA利用同时反向合成算法最小化重构图像和扭曲图像之间的误差,从而得到一个旋转不变的特征空间,最终实现无人为干涉的全自动对齐。为了将其性能与人眼对齐方法的性能进行比较,并展示其优势,文中分别在ORL数据库和FERET数据库上通过两种不同对齐方法的输出图像从视觉效果上直观地展现。进一步地,为了验证对齐后的图像在识别算法中的有效性,本文结合三种距离函数和四种局部算子进行了对比实验,实验结果表明了基于TI-SPCA的全自动对齐方法在人脸识别中的有效性。2.提出了一种基于姿态先验的鲁棒的人脸对齐方法。主动表观模型(Active Appearance Model,AAM)因其良好的特征点定位效果在人脸对齐领域被大量使用。但AAM对初始模型依赖度极高,且极易受到姿态、光照以及遮挡等因素的影响。当初始形状和标准形状相差较大时,匹配效果并不理想。对此,本文中提出了一种基于姿态先验的人脸对齐方法。首先,在非限制环境下的人脸库LFPW上进行训练,根据姿态的不同分别建立正脸模型、左偏模型和右偏模型。在搜索阶段,利用特征三角形自动选择合适的模型作为人脸的初始模型,从而避免了姿态变化对初始模型的干扰。其次,利用同时反向合成算法最小化误差函数,实现了鲁棒精确的AAM匹配,从而自动标定人脸关键特征点。理论分析与实验证明,所提方法针对遮挡、光照以及姿态变化的有效性。