随着计算机视觉技术的发展,人脸识别技术逐渐成为一种可以实用的技术。人脸识别系统一般由人脸检测,人脸对齐和人脸特征匹配三部分组成。本文主要对人脸识别系统中的人脸检测和人脸对齐进行了研究,根据目前人脸系统遇到的实际问题,对现有多姿态人脸检测算法进行了改进,并提出了一种简单、快速的人脸姿态估计算法和多姿态人脸特征点定位算法。具体工作如下:1.提出了一种重叠人脸区域合并的算法,使用人脸区域取加权平均的方式合并Real Adaboost+Cascade算法进行人脸检测后产生的多个人脸框,优化了人脸检测的结果。在Multi-PIE和FDDB两个数据集上的实验验证了算法的有效性。2.提出了一种分级的人脸姿态估计算法,使用LBP特征和随机森林分类器相结合,将人脸姿态估计看作一个多分类问题来解决。不同姿态处于不同的类别,根据姿态估计在实际应用中进行粗、细分级估计。粗估计是将人脸姿态分为左右侧面,左右半侧面和正面共5类;细估计是将人脸姿态按照水平方向上每15°划分为1类,共13类。在Multi-PIE数据集上进行了实验测试,结果表明本文算法具有较好的效果。3.针对人脸姿态变化剧烈的情况,提出了一种Multi-ESR多姿态人脸特征点定位算法,并对算法进行了优化。通过在不同的人脸姿态下单独训练ESR(Explicit Shape Regression)模型,根据不同的姿态下使用相对应的ESR模型进行人脸特征点定位。另外,本文提出了一种改进Multi-ESR算法占用内存空间较大的方法,可以在基本保证不损失特征点定位精度的情况下,减少内存空间消耗。4.针对一些特定场景下的人脸应用的需求,设计、实现了基于图片、视频的实时人脸检测系统和基于人脸识别的智能门禁系统。前者主要是在海量图片和视频文件中检测存在人脸的图片或者视频片段,减少人工筛选的工作量;后者主要是在一些需要门禁系统的场所,利用人脸识别技术进行智能解锁等功能。