人脸姿态估计是模式识别和计算机视觉领域的一项关键技术，在人机交互、智能视频监控、虚拟现实以及人脸识别等领域有着广阔的应用前景。目前，对齐情况下的人脸姿态判别已达到可接受的程度，然而受遮挡、像素偏移和光照等情况的影响，非受控环境下的姿态识别还远未成熟。因此，能够准确、高效的估计人脸姿态角度具有重要的研究意义。针对上述问题，本文的主要工作及创新点包括：本文基于局部几何保持的结构，分别研究了离散视角和连续视角下的人脸姿态估计方法。对于离散视角下的姿态估计，首先讨论了主成分分析、线性判别分析以及梯度方向直方图这三种基于全局特征的姿态估计方法。由于全局特征受遮挡、偏移和光照的影响较不稳定，本文接着研究基于局部特征和词袋模型的人脸姿态估计方法，针对词袋模型未考虑空间信息的特点，在此基础上为局部特征加入空间信息，对该方法进行了改进，使得相同角度下的人脸特征能保持稳定的几何结构。对于连续视角下的人脸姿态，本文研究了基于流形学习的姿态估计方法，采用梯度方向直方图和流形学习相结合的方法，使该方法对遮挡情况下的人脸姿态估计具有较好的鲁棒性。本文对上述所有算法在三个多姿态人脸数据库上进行了对比实验，由于改进的离散姿态估计方法对局部特征加入了空间信息，所以方法对像素移位和遮挡具有很好的效果；对于连续视角下的姿态估计，梯度方向直方图和流形学习相结合的方法同样降低了遮挡因素对姿态估计的影响，因而达到较好估计效果。