人脸识别技术的快速发展和广泛应用极大的改变了人们的生产和生活方式,但目前的人脸识别系统还仅仅只能在受检人知情且配合的情况下获得较高的准确率。在实际应用于某些非受控环境下时,人脸姿态复杂多变,常用的人脸识别系统无法在这种环境实现高精度识别,而非受控环境下的人脸识别技术无论在企业管理、安防控制还是刑事侦察等领域都有重大的应用意义。本课题的工作任务为设计一种多姿态人脸识别系统,以实现在姿态非受控场景下较高准确率的完成多姿态人脸识别任务。本文通过对多姿态人脸识别算法的分析,选择使用人脸正面化算法与特征比对算法结合实现的多姿态人脸识别模式。对现有的人脸正面化算法进行分析时发现现有的多姿态人脸正面化算法存在对于环境的泛化能力弱以及人脸姿态角较大的情况下出现大幅细节信息丢失的问题。为解决上述问题,提出了基于双路径的人脸正面化算法,该算法在传统单路径网络的基础上增加了生成路径,通过生成路径与重建路径分别训练的方法来增加人脸正面化模型对于环境的泛化能力。同时,引入了身份信息损失函数与局部判别器组,其中局部判别器组分别对生成的正面人脸的眼睛、嘴唇、鼻子进行判别,这种设计方式可以使人脸正面化模型尽最大能力保持生成的正面化人脸的细节信息。为验证本文提出的人脸正面化网络的有效性,分别设置了对比试验与分解实验,通过实验结果可以看出所设计的人脸正面化网络相对于传统的人脸正面化网络拥有更好的性能。为了选择与文中设计的正面化网络配合使用的特征提取网络,设计了对比试验。通过对实验结果和网络参数的分析,最终确定了改进的多姿态人脸识别算法框架,并将其封装为一个多姿态人脸识别系统,通过对于系统功能的主要步骤的演示,进一步说明了本文所设计的多姿态人脸识别系统的有效性。