人脸识别作为少数几个同时具有高精度和低干涉的生理特征识别方法,在数字身份认证、公共安全、多媒体等领域具有重要的应用价值。目前,在控制配合条件下的人脸识别系统能够取得较高的识别率,但当人脸存在姿态变化时,同时是单视图时,人脸识别系统面临巨大挑战。本文围绕单视图多姿态的人脸识别方法进行了系统研究,具体工作和主要成果包括:1、提出—种基于线性回归算法与支持向量机相结合的方法。针对待识别人脸存在姿态变化,基于线性回归算法寻求正、侧人脸之间的关系,然后利用此关系进行姿态校正。最后,利用支持向量机在小样本分类上的优势,采用遗传算法筛选其参数,对校正后的待识别人脸进行分类识别。在CAS-PEAL-R1人脸库上,识别率达86%。实验结果表明,该方法在处理基于单视图多姿态的人脸识别问题时,识别率高于同类其它方法。2、提出一种基于单张三维人脸重建生成虚拟多视图的方法。针对训练样本不足的问题,借助基于稀疏形变模型的三维人脸重建方法,重建输入人脸的三维人脸模型,然后通过纹理映射、旋转、投影等方法获取输入人脸的多姿态人脸图像,丰富训练样本库。在此基础上,利用BP神经网络进行人脸识别。在CAS-PEAL-R1人脸库上,识别率达91%。实验结果表明,该方法生成的虚拟多视图提高了识别效果,识别率高于同类其它方法。3、在上述工作的基础上,设计并实现了基于Matlab的人脸识别系统。该系统集成了本文所提的两种方法。