随着计算机技术的不断发展,社会环境的日益复杂,日常生活中对于安全的需求越来越高。人脸识别技术作为日益成熟的生物特征识别技术,通过比较人脸的生物特征信息来对身份加以鉴别,其原理是通过图像处理技术以及模式识别技术对图像进行分析处理,并从中提取出有效信息,以此来确定待鉴别的人物身份。它在公共安全、信息安全、人机交互等方面有着广泛的应用价值。本文在分析和总结多视角条件下人脸识别算法的研究状况以及发展趋势的基础上,针对光照、姿势和角度变化等影响因素进行了深入而系统地研究。Adaboost结合Haar特征的方法是目前主流的人脸识别算法,具有高速度,高准确率的有点。本文在传统的Adaboost方法上提出了多角度的人脸模版训练方法,使得该算法能将检测出的人脸做出角度预分类。人脸识别系统有两个主要的环节：人脸定位和检测,人脸识别。在此两个环节的基础上,本文首先详细介绍了在多视角的复杂情况下基于概率统计模型算法的人脸检测定位；然后通过尺寸归一化、灰度归一化等技术对人脸图像进行预处理；然后通过基于多角度的adaboost模版检测方法,完成了对多角度人脸的检测和人脸角度的预估计。本文采用CMU_PIE人脸数据库作为训练数据,并设计出了一套多层次的检测算法。并针对多检测框重合的问题设计出了一套解决办法。实验结果表明本文算法能够取得很高的识别率,具有有效性和可行性。