人脸识别技术在当前已经得到广泛应用,在一些限定场景下已较为成熟。然而,该技术仍然存在一些缺陷,主要表现为目前大部分人脸识别产品对姿态有着较高的要求,需要用户配合主动调整自身姿态至正面才能获得较好的识别效果,这极大限制了该技术在更大应用场景进行推广。因此,多视角人脸识别技术在许多非用户配合的应用场景具有重要意义。针对上述问题,本文展开了多视角人脸识别技术的探索,研究并实现了一种基于三维可形变模型的人脸旋转技术,可以对较大姿态侧面人脸图片进行正面化对齐处理来降低对人脸识别的姿态要求。本文主要工作总结如下:1)基于轻量级网络和附加角边缘损失函数训练人脸识别模型,并通过评估实验探究了网络容量、人脸姿态变化等因素对模型评估精度的影响,实现了一个性能较高的轻量级人脸识别模型;2)研究并实现了一种基于三维人脸重建的人脸旋转技术以改善人脸识别受限于姿态变化的问题。通过一种旋转和渲染框架以实现单张人脸图片的自监督,解决了多视角成对人脸数据难以获取的问题,同时避免了在特定数据集上训练存在的过拟合问题;设计并训练了生成式对抗网络,可以生成身份信息得到较好保留的逼真人脸图片;并通过实验证明,该方法与相关同类方法相比取得了较好的身份信息保留性能,并基于融合距离度量直接验证了该方法的有效性;3)将人脸旋转技术应用于真实场景中的侧面人脸正面化对齐过程,设计并实现了非用户配合场景的面向盲人社交的多视角人脸识别系统,降低了对姿态的要求。