人脸识别技术在社交网络、金融安全和身份鉴定等领域有着潜在应用价值,一直是模式识别研究中的热点之一。已有的技术已经可以在理想环境下标准正脸的识别中达到了很高的识别水准,然而现在绝大多数的人脸识别系统还不能应用于人脸姿态和光照条件变化的场合。特别是姿态问题,已经成为限制人脸识别技术进一步应用于移动互联时代的难点之一。针对在人脸识别中,人脸姿态的变化会对识别结果造成严重的干扰这一问题,以及目前绝大多数人脸识别系统仅支持标准正脸的识别这一现状,本文基于高斯过程回归分析侧脸轮廓到正脸轮廓的映射关系,提出了一个能处理侧角在-45°～+45°范围内的人脸图像的方法。该方法的核心思想是在进行人脸身份鉴定之前合成一张新的正脸图像,然后用合成的正脸图像进行识别。本文围绕侧脸矫正成正脸的目的做了如下工作：一.基于自增强级联分类器的人脸特征提取。为了达到无监督的模式识别,训练多个人脸及其人脸特征点分类器定位不同侧角的人脸及其特征点。二.训练多姿态主动外观模型,基于随即森林理论选择拟合度最好的主动表观模型,实现姿态变化环境下的自动人脸表征。三.基于以高斯过程回归学习为代表的非线性学习方法,训练多个正脸轮廓预测模型,并通过分段仿射变换将人脸纹理特征覆盖到预测的人脸轮廓上,合成正脸图片。本文在两个包含多种人脸姿态和光照条件的权威数据库上进行了多次识别实验表明,本文算法显著提升了当前人脸识别系统对侧脸图像的识别率。