本文基于统计机器学习的方法，针对姿态分类问题展开了研究工作。 首先介绍了利用子空间重构技术进行人脸姿态识别的方法，在中国科学院CAS-PEAL数据库上的测试结果表明，该方法具有较高的姿态识别准确率和较快的识别速度。然后回顾了AdaBoost算法。并且详细介绍了新近被提出来的MBHBoosting算法，该算法对多分类问题仍然有效。MBH弱分类器的性能比AdaBoost的阈值弱分类器有了很大的提高，在用少量的弱分类器的前提下就可以达到和阈值弱分类器相同的效果，因此提高了效率。在识别结果的相似度得分归一化方面，采用了说话人识别中常用的T-Norm方法，提高了性能。 另外，介绍了目前流形学习的几种常见方法，并且针对ISOMAP的方法作了一定的研究，将其应用到人脸图像的可视化任务中来。根据其缺点作了改进，将监督方法用于ISOMAP。并且比较了有监督和无监督的ISOMAP方法优缺点及各自的适用范围。可视化结果表明，经过ISOMAP降维后，原始图像的内蕴的几何结构可以很好的保持下来。