人脸识别技术是一种利用计算机提取人脸图像中特殊表征信息并基于该信息实现对象匹配和分类的身份识别技术。在实际生活中,人脸图像的采集更方便和直接,因此人脸识别技术被广泛应用在政府、商业等各个领域。经过几十年的发展,它覆盖了数学、计算机科学、心理学等多个学科,它对各学科的发展具有重要的理论指导意义。目前,人脸识别技术已经成为了机器视觉(Machine Vision)、人工智能(Artificial Intelligence)和模式识别(Pattern Recognition)等多个领域的前沿课题,因此深入研究该技术具有重大的实际应用价值和理论意义。目前众多的人脸识别算法在较为理想的环境中都取得了不错的实验效果,但是在实际应用中,外界环境的变化对识别结果的影响甚至会大于人脸类别之间的差异。在实际应用中,由于采集标准的正面人脸图像比较困难,因此人脸姿态的变化大大增加了人脸识别研究难度,并且它已经成为了模式识别与机器视觉里面最为经典的问题之一。针对姿态变化给人脸识别研究带来的各种问题,本文主要提出了一种基于3D模型生成虚拟图像的多姿态人脸识别算法。它的核心思想主要是首先对人脸偏转建立3D模型,并基于该模型将标准人脸库中所有正面人脸图像转成多姿态的虚拟人脸视图,然后分别对虚拟人脸视图和多姿态的待识别人脸图像进行特征提取,并基于该特征利用分类器进行匹配识别和输出识别结果。首先,本文简单总结了多姿态人脸识别研究的近况和主要挑战,并从姿态矫正和生成多姿态虚拟样本两个方面详细介绍了近几十年多姿态人脸识别的主要研究成果和方法,然后对它们各自的优缺点和性能进行了详细的描述和比较。然后,本文提出了一种基于3D模型生成虚拟图像的非正面姿态人脸识别算法,该算法首先基于人脸左右偏转推导出人脸特征点在3D空间中与二维平面上的关系式,然后基于该关系式得到人脸特征点在二维平面中与偏转角度的函数关系式,最后利用该函数关系式生成左右偏转任意角度的虚拟人脸图像。另外,本文还介绍了一种基于多项式函数拟合的多姿态虚拟图像生成算法,并对比和分析了该算法与本文算法的实验结果。最后,将本文提出的基于3D模型生成多姿态虚拟人脸算法运用到单视图的多姿态人脸识别中,该算法首先基于AdaBoost算法和积分投影函数对测试样本进行姿态估计获取左右偏转角度,然后利用本文提出的3D模型算法生成该角度下的虚拟人脸视图以增加训练样本,最后基于Fisherface方法实现多姿态人脸的分类和识别。