人脸识别技术是利用计算机对人脸进行分析，提取人脸的有效特征来进行人脸鉴别的技术，在公共安全、数字身份认证、多媒体等领域具有重要的应用价值，受到了广泛的重视。经过几十年的研究，在人脸识别领域已经出现了大量的创造性成果，但是这些成果仍然无法完全满足日益发展的实际应用需求。目前，对于控制配合下的人脸识别已取得了较高的识别率，但是对于非控制配合条件下，如，姿态变化情况下的人脸识别，其识别率会急剧下降。目前，研究者针对多姿态的人脸识别提出了以下四类解决办法：多视角人脸识别技术、不变特征人脸识别技术、基于三维模型的人脸识别技术和基于单视图的多姿态人脸图像生成技术。前三种技术运用的前提是人脸数据资料足够充分。当训练样本是单视图时，有研究者用单视图生成多姿态来扩充训练样本，这些生成多姿态人脸的方法存在生成精度不高的问题。为了提高多姿态人脸识别中的姿态人脸生成精度，本文提出了一种局部加权平均的多姿态人脸生成算法，并利用主成分分析提取人脸特征，应用支持向量机进行多姿态的人脸识别。具体的研究工作总结如下：（1）本文用局部加权平均的方法，得到正面人脸与姿态人脸图像局部特征点之间的映射函数集，采用相邻特征点映射函数加权平均的方法获得每个像素的形变函数，据此生成多姿态的人脸图像，构成多姿态人脸训练样本库。实验结果表明，该算法生成的多姿态人脸与拍摄得到的多姿态人脸的峰值信噪比高，有效地提高了姿态人脸的生成精度。（2）利用主成分分析提取人脸特征矢量；最后应用支持向量机实现多姿态的人脸识别。本文方法有效地克服了多姿态人脸识别中难以获得多姿态人脸图像和姿态变化导致的识别率迅速下降的问题。实验结果表明，使用局部加权平均算法生成的多姿态人脸能够保持人脸的局部特性，与ORL人脸库中的人脸的相似度高，有效地提高了多姿态人脸的识别率。