目前大部分人脸识别算法主要针对正面或准正面人脸图像,而对于非正面人脸图像,人脸识别算法的性能急剧下降。因此姿态问题成为人脸识别研究中亟待解决的技术难点。为了解决人脸识别算法中的姿态问题,本文构建了一种新的多层次人脸配准算法,结合改进的人脸特征点定位方法,分别进行基于先验知识的粗配准和基于降秩的精配准,将不同姿态的人脸图像进行姿态校正,合成信息量更加完整的正面人脸图像。本文的主要工作包括以下几个方面：1)构建了一种多层次人脸配准算法。该算法主要包括改进的基于局部约束模型的特征点定位算法,基于先验知识的人脸粗配准算法和基于降秩的人脸精配准算法。2)改进的基于人脸局部约束模型的特征点定位算法。通过对人脸模型的研究,选取将形状和局部纹理相结合的局部约束模型进行人脸模型的构建。人脸特征点的准确定位是影响人脸配准算法性能的重要因素,本文利用反向组合算法与人脸局部约束模型相结合的方法进行人脸特征点定位。实验结果表明改进的特征点定位方法更准确,效率也更高。3)人脸姿态估计和粗配准。待配准人脸图像序列姿态各不相同,首先利用定位得到的特征点进行人脸姿态估计,并选择出序列中最接近正面的图像作为粗配准的参考图像,然后利用多项式拟合的方法将图像序列校正到序列中参考图像姿态。实验结果表明利用本文粗配准算法矫正结果畸变较小。4)基于降秩的人脸精配准方法。经过粗配准后的图像序列,图像序列之间的相关性更强。本文利用降秩的方法得到图像的变换矩阵和稀疏误差,并通过变换矩阵将图像序列变换到正面姿态下。实验结果表明本文提出的算法能够将不同姿态的人脸图像进行配准校正,明显提高人脸识别算法的识别率。