近年来，视频监控已经成为保障城市安全的主要技术手段，对监拍设备抓拍到的人脸图像进行识别也已成为人脸图像处理的重要内容。目前，正脸图像的识别技术已然获得了极佳效果和广泛应用。但在非配合无感视频监控场景下，往往需要根据一幅或多幅具有姿态变化的侧脸图像进行人脸识别。针对该问题的一个解决思路，是将多幅侧脸图像转换为单幅正脸图像，再应用正脸识别技术进行识别。在此应用背景下，本文针对多幅侧脸图像与侧脸序列图像两种不同应用场景下的正脸图像重建问题，根据不同姿态的侧脸图像间具有相关性与互补性的特点，建立了基于深度融合网络的正脸图像重建方法，为后续人脸识别提供依据。主要内容如下：
　　(1)针对基于多幅侧脸图像的正脸重建问题，提出基于多通道融合生成对抗网络的人脸姿态校正方法。该网络由生成器与判别器组成。生成器以多幅侧脸图像作为输入，使用多个卷积层来依次提取各幅图像的特征。为了充分融合多幅侧脸图像的特征，将卷积长短期记忆网络引入多通道融合模块，该模块采用多支路融合方式对提取到的多姿态特征进行融合，以探究多侧脸之间的相关信息与互补特征；判别器对合成的正脸样本进行判别分析，并利用对抗机制来调整网络参数。该网络采用多通道结构对层次内及层次间的多姿态特征进行融合，获取侧脸图像的互补特征与全局结构。实验结果表明，所提方法可获得轮廓清晰的正脸图像，有利于后续识别应用。
　　(2)针对侧脸序列图像的正脸重建问题，提出一种基于循环反馈多重融合网络的人脸姿态校正方法。该网络联合使用二维卷积与三维卷积，获取侧脸序列图像间的空间特征与互补特征，以多重融合的方式增强融合特征。其中，在进行三维卷积前，需对多姿态特征重新组合，使三维卷积能够较好地捕捉侧脸序列图像间的互补特征。另外，利用循环反馈机制将之前侧脸序列图像重建出的正脸图像作为先验信息，辅助当前侧脸序列图像的正脸重建过程。实验结果表明，所提方法恢复出的正脸图像不仅具有更清晰的人脸轮廓，细节特征也更为真实，并且，对所提方法恢复出的正脸图像进行识别能够获得更高的识别率。