人脸姿态估计是人脸识别、智能监控系统、人机交互系统以及颅相重合等研究中的关键问题之一。针对已有的姿态估计方法中存在的缺点,本文分别从基于几何方法和基于流形学习的方法进行人脸姿态估计,降低已有算法的复杂度,提高姿态估计的准确性。主要工作包括：(1)提出了一种新的基于几何的人脸姿态估计方法。该方法主要利用人面部的某些特征,并结合人脸测量学知识建立人脸平面模型,利用小孔成像模型建立人脸模型与人脸图像之间的关系,最后运用牛顿迭代法与最小二乘原则计算人脸姿态。该方法建立的模型比较简单,利用优化方法能够获得良好的结果。(2)提出了一种基于LLE和Adaboost的人脸姿态算法。将人脸图像按照姿态进行分类,从而把姿态估计问题转化成一个模式分类问题。通过核方法有监督的局部线性嵌入(KSLLE)算法对高维人脸图像进行降维,然后在低维空间中对数据运用Adaboost分类器进行分类。该算法能够降低计算复杂度,并能够获得较高的识别率。(3)本文针对两种算法分别使用两种人脸数据库进行实验。基于几何的方法采用CMU PIE人脸数据库。基于流形学习的方法采用Facepointing人脸数据库。在Matlab中进行仿真实验,提高了人脸姿态估计的准确率。(4)设计与实现估计人脸姿态的系统。提供两种算法进行人脸姿态估计。