在过去的二十年里,人脸识别成为一个活跃的研究领域,然而人脸识别研究仍面临很多挑战。当前的人脸识别系统仅在可控环境下表现出令人满意的性能。由于存在姿态和光照变化以及误对准,在无限制条件下人脸识别准确率将显著下降。经过众多的研究,正面姿态人脸识别已经取得了较好的效果,但多姿态人脸识别仍是人脸识别的难点。本论文主要目的是研究和改进多姿态人脸识别方法。首先,介绍了人脸识别组成,并对人脸识别的各组成部分作了详细分析。重点阐述了人脸识别存在的难点。其次,对多姿态人脸关键特征点定位进行深入研究。通过分析Gabor人脸图像的特点,采用Gabor变换实现光照和姿态不变性的人眼窗口检测。深入研究了基于ASEF相关滤波的人眼定位方法,ASEF相关滤波器主要适用于正面姿态人眼定位,并且该方法假定人眼在固定区域。针对该问题,将Gabor变换与ASEF滤波器相结合定位人眼窗口未知情况下的多姿态人眼。实验表明Gabor变换结合ASEF的方法在多姿态人眼定位中具有较高的定位准确率。再次,研究了图库集中只有正面人脸图像的多姿态人脸识别。在特征提取阶段,分析了局部Gabor二值模式直方图序列的人脸特征提取方法。由于该人脸特征维数较高,采用了主成分分析对其降维,并利用线性变换将非正面人脸特征合成正面人脸特征,提取出局部Gabor二值模式直方图序列的主成分人脸特征。在人脸识别阶段,着重研究了采用贝叶斯框架为图库图像和查询图像建立多姿态联合表现模型,进一步采用高斯分布拟合人脸特征之间的相似度分布。最后,对论文中研究的多姿态人脸识别方法在基准数据库上进行实验,对比论文中研究的方法与其他优秀的多姿态人脸识别方法,表明论文所研究方法的有效性。