随着人工智能以及计算机视觉技术的快速发展,人脸识别技术得到了国内外研究学者的广泛重视。目前,已有众多成熟的人脸识别系统得到了实际应用。但在实际场景中,人脸识别系统还是存在一些缺陷,其中,人脸姿态的变化一直都是限制人脸识别系统性能的一个重要因素。在这个背景下,本文开展了基于三维人脸重建和图像修补的姿态矫正算法的研究工作。本文的主要工作总结如下:(1)本文介绍了人脸识别的研究历史和主流算法,分析了人脸识别系统的组成部分以及影响人脸识别性能的因素。尤其强调人脸姿态变化对人脸识别率的限制并详细介绍了多姿态人脸识别的国内外研究现状。另外,对三维人脸重建的国内外研究现状也进行了详细的介绍,突出三维形变模型在人脸图像重建中的重要性。最后,介绍了一些常用的人脸识别数据库的基本信息。(2)针对人脸姿态变化对人脸识别率的限制,本文提出了使用三维形变模型(3D Morphable Models,3DMM)来重建侧面人脸图像的方法。具体介绍如下:通过对三维人脸模型轮廓处的人脸关键点进行更新,使得较大人脸姿态下的人脸图像重建成为可能。另外,通过对人脸图像中不同部位的人脸关键点赋予不同的权值,再利用人脸关键点加权的方式来重建人脸图像,使得重建效果对人脸面部的表情变化更鲁棒。最后,从在LFW(Labeled Faces in the Wild)人脸数据库以及Stirling ESRC三维人脸数据库上的人脸重建效果图中可以看出本文提出的人脸图像重建算法的有效性。(3)由于人脸姿态变化导致的人脸自遮挡现象,在对三维人脸模型进行姿态矫正后,会得到带空洞区域的人脸图像。人脸识别系统在识别带空洞区域的人脸图像时往往性能会下降。针对这一问题,本文使用图像修补的方法来解决这个问题。首先,本文深入介绍了图像修补算法的研究历史,然后提出了两种用于人脸图像的修补算法:基于朗伯光照模型的人脸图像修补算法以及基于深度学习的人脸图像修补算法,并使用这两种人脸图像修补算法来对带空洞区域的人脸图像进行修补。通过在人脸数据库上的定性以及定量实验结果说明图像修补算法对人脸识别率的影响。