在人脸识别领域中,常常会发生人脸图像的姿态变化导致识别率下降的情况,同时这也是人脸识别技术领域的一个瓶颈。因此,本文以解决人脸图像姿态重建问题为研究目标,对人脸姿态重建技术进行了研究和改进,并与现有方法进行比较,判断本文方法的性能好坏。本文通过比对和分析各种人脸姿态重建方法的优缺点,选取了局部线性回归(LLR)算法作为方法改进的基础,并基于深度神经网络的线性回归基础上,提出改进的人脸姿态重建方法:在LLR的线性回归关系式的基础上,结合深度神经网络中的常量因子,并添加一个二次项因子用于保存图像的非线性信息,三项相加得到改进的人脸姿态重建关系式。根据输入的侧脸图像,将图像分割成许多小块,将小块图像集代入训练好的神经网络中,得到重建后的正面图像小块,然后合成一个与该侧脸对应的新的正脸图像。在实现的过程中,本文在采集制作人脸数据库后,先对人脸图像进行了图像预处理,方便后面的人脸姿态重建工作。然后通过对神经网络的设计,确定好神经网络的层数及结构,将卷积层的权值进行初始化,选择适合的激励函数,设置参数更新时的学习率等参数,完成人脸姿态重建方法使用的神经网络的设计。将人脸数据库代入神经网络中进行人脸姿态重建的实现,对最后重建出的人脸正面图像进行了人脸识别验证。结果表明,本文的人脸姿态重建方法可以有效地提高人脸图像识别率。