人脸识别是指基于已知的人脸样本库,利用图像处理和模式识别技术从静态或动态场景中,识别或验证一个或多个人脸。在许多人脸识别应用中,人脸图像的成像条件是非理想的,即不能保证光照环境的一致性,也无法要求被拍摄对象的主动配合,因此光照、姿势变化的人脸识别是目前的研究热点。本文提出了一种针对姿势变化条件下人脸识别系统的框架,具体如下:1.对实验室原有的级联MR-ASM(Multi-resolution Active Shape Model)算法进行了改进,提出改进方法,以纹理信息的欧氏距离为基础,结合了级联和最小值计算的策略来达到精确定位特征点的目的。2.人脸正则化方法研究。将ASM定位结果映射到公共形状控制参数空间,去除姿势相关参数得到正面人脸模型,通过二维非线性映射实现人脸正则化;由两幅图像的ASM定位结果合成三维人脸模型,经过三维空间的线性变化得到正面人脸模型,通过纹理映射得到正则化人脸。3.人脸特征提取方法的研究。对于正则化的人脸,利用两种方法提取特征,一种方法是利用MPEG7提供的本征脸得到映射向量作为识别的特征,另一种方法是提取人脸的LGT(local Gabor textons)特征,以加权LGT特征直方图作为识别的特征向量。最后将提取的特征输入到K近邻分类器中,在CMU-PIE库中验证并对比了两种特征的识别结果。4.人脸识别演示系统的设计与实现。参照生物特征识别领域的一个接口标准:BioAPI设计实现人脸识别系统,系统包括三部分:人脸检测,特征点定位,分类识别,系统可以处理静态人脸图像和视频采集的图像。