在基于计算机视觉的人类身份识别任务中,人脸识别是重要方法之一。目前人脸识别方法多针对于解决正脸或近正脸的识别问题,因此大多要求系统捕捉对象的正面图像进行识别。而视频序列往往包含复杂的环境背景,其中人脸呈现出多个姿态,甚至较大角度的侧脸形式,在这种情况下大部分现有方法的识别效果不佳。如何解决基于视频序列的多角度人脸识别问题是目前人机交互系统面临的巨大挑战之一。本文针对捕捉到大姿态侧脸图像中面部纹理缺失而导致的人脸识别效果不佳问题,提出一种基于面部生成的视频序列多角度人脸识别系统,对传统人脸识别系统中的检测和对齐模块进行改进。具体工作内容如下:首先,为消除面部区域在水平方向较大倾角对于后续模块影响,采用Open Pose、Face Alignment Network两种面部特征点定位模型对典型人脸识别系统中检测模块进行改进。提出了基于特征点定位的面部水平化方法,进行面部预处理,使系统适用于视频序列中的各类水平姿态的人脸识别。其次,针对水平化后仍存在较大侧脸姿态的面部区域,使用双路径生成对抗网络TPGAN（Two-Pathway Generative Adversarial Network）进行正面人脸生成,以实现精确的正脸识别。且进一步提出了基于特征点定位的面部缩放方法,对其模型输入端进行调整,使其可处理任意规格的视频序列。再次,针对视频序列中正面化的人脸识别结果,设定侧脸角度50°为系统阈值。同时根据面部特征点定位模型的输出特性,提出数据预筛选优化算法,以消除定位失败的错误帧对后续识别造成中断影响,优化多角度人脸识别性能。最后,在自建多角度人脸视频数据集及XM2VTS数据集上,对提出系统（OP-TPGAN、FAN-TPGAN）与传统人脸识别系统在多角度人脸定位稳定性、大姿态侧脸识别准确率及复杂场景内多角度人脸识别准确率三方面进行实验对比。实验结果表明,本文提出方法在多角度人脸定位及识别方面均取得较好效果。