人脸识别技术是生物特征识别技术的一个重要分支,由于人脸图像可采集性强,且人脸具有较大的差异性,因此,人脸识别具有很广的应用性,被广泛应用于公共安全、信息安全、身份认证等领域。但人脸识别受角度、光照和面部表情的变化影响较大,对没有任何约束条件下的人脸进行识别是一项极具挑战性的工作。目前,针对正面人脸的识别方法有很多优秀算法,例如线性判别分析(LDA)、主成分分析(PCA)等,准确率也比较高,若能从非正面人脸图像得到正面人脸图像,再结合优秀的正面人脸识别方法进行识别,则能很好的提高多角度人脸识别的准确率。本文对多角度人脸识别的问题进行了较为深入的分析和研究,结合主动表观模型(Active Appearance Model, AAM)和线性判别分析法,提出了一种新的多角度人脸识别方法：AAM-LDA多角度人脸识别方法。该方法的主要思想是：首先利用AAM方法为每个人脸从多个不同角度建立多角度模型,得到对应的多角度表观模型(包括形状模型和纹理模型)；然后,对一幅输入的人脸图像,用这些不同角度的模型进行拟合,取拟合误差最小的表观模型,从而可估算出人脸旋转的角度；再通过最匹配的表观模型得到对应的正面人脸纹理模型,合成正面人脸；最后采用线性判别分析法(LDA)获取最佳分类特征并对其进行识别。本文在Matlab 7.0环境下对上述算法进行了实验,实验结果表明,当人脸旋转角度较大时候,与PCA方法相比,本文提出的方法具有较高的识别率。