本文研究了多姿态环境下的人脸识别和脸部特征提取问题。首先，根掘多姿态二值图像的特性，提出了一个新的脸部特征提取方法。第一步用水平投影和垂直投影定位脸部特征，得到几个矩形框；第二步建立一个几何模型去校准前面的输出。第二，在多姿态训练图像和测试图像可用的情况下，测试了四种整体识别法：相关匹配、特征脸、二维主分量分析和奇异值分解。我们把二维主分量分析法分为两种，列-二维主分量分析法和行-二维主分量分析法。我们比较了这几种方法的特点和性能。第三，在只有正面测试图像可用的情况下，我们提出了两种方法以改善主分量分析(PCA)的性能。一种方法是在用欧几里德距离分类前调节PCA分量，另一种方法是用相关匹配代替欧几里德距离用以分类。我们深入分析了PCA分量在正面特征空间的分布，揭示了PCA分量与姿态变化间的恒定关系。实验结果显示我们的方法优于纯PCA方法。最后，给出了结合脸部特征提取和人脸识别的一个自动化系统的体系结构。