随着当今社会的信息化程度提高,通过对人脸特征进行提取从而实现人脸识别受到社会的广泛关注。目前人脸识别在公共安全、多媒体、以及身份认证等领域都有广泛的应用。虽然目前人脸识别在控制条件下具有较高的识别率,但是当面对实际生活的应用场景中的不可控因素,例如:视角、姿态、光照等等,目前的人脸识别方法仍然无法满足这些应用需求,其识别率会急剧下降。要将人脸识别在实际的场景当中应用开来,人脸的姿态变化是最常见的不可控制的因素之一。本文基于XGBoost回归实现人脸的预测模型,从而可以自动实现人脸的多姿态人脸矫正,从而得到预测的正脸,并且本文在对转正以后的人脸进行图像上的修复,从而可以得到一个更加贴近于真实正脸的合成正脸。本文主要工作是在实现将多姿态人脸矫正成正脸,在对人脸合成的基础上进一步对人脸进行修复,从而得到更加贴近于真实的人脸,最后根据转正以后的人脸实现多姿态人脸识别系统。主要工作与贡献如下所示:(1)对单角度多姿态人脸图像进行融合。非配合人员或复杂环境下采集到的人脸和在标准环境下面获得人脸有很大的区别,这样就导致在后期进行人脸识别工作有较大的困难。本文设计将单张多姿态人脸转成正脸。通过XGBoost模型训练得到人脸轮廓特征点的预测模型,通过基于三角形模型的分段仿射变化实现人脸的纹理覆盖。通过该方法可以自动实现多姿态人脸转正,得到一张近似正脸图片。(2)消除人脸修复后的像素缺失。本文设计基于近似FFM奇偶对称性的方法。根据人脸的近似对称的特性在对人脸重构时利用人脸近似对称性。在人脸细节部分利用近似FFM来进行修正,从而可以解决由于多姿态人脸造成的像素缺失对正脸的干扰。实验证明该方法可以有效克服像素缺失造成的干扰,从而提高识别率。(3)系统实现:利用以上方法对当前的多姿态人脸识别系统进行实现,系统可以有效的对多姿态人脸进行识别,并且将其他多姿态人脸转正方法替换到系统当中,对本文当中的人脸转正和其他方法进行比较并分析。本文以实现多姿态人脸识别系统为目的,在单视角的多姿态人脸构造上有较深入的研究,实验证明本文方法的可行性,并在一定程度上提高系统的识别率和准确率,对于实际场景中的人脸识别技术有着一定的积极意义。