人脸识别技术作为一种重要的生物识别技术,具有广泛应用价值,它使用便利、应用安全,受到广大人们的青睐。虽然人脸识别研究已历时几十年,在理想可控制环境下的识别率可以达到人们使用要求,但是对于非控制条件下,人脸识别却没能取得很好的效果。现有识别方法的缺陷,使得人脸识别研究依旧具有很高研究意义和价值。针对复杂光照与姿态变化对二维人脸识别存在极大影响和三维人脸识别计算量大、不便于广泛应用的问题,本文提出一种结合三维模型的二维人脸识别技术。通过对三维模型添加光照渲染和多视角投影变换生成训练样本库,根据训练的层次支持向量机估计姿态,经过与训练样本库中具有相同姿态图像匹配实现复杂光照下多视角人脸识别。本文围绕多视角人脸检测和归一化、三维模型光照渲染与投影变换、姿态估计、特征提取和人脸识别这几个方面进行了研究,主要内容和成果如下：1)根据人脸对称性采用Adaboost算法训练的正面和左侧面人脸检测器完成图像上所有多视角人脸的检测,在LFW和FacePix库中测试,本文算法检测率分别为86.6%和89.4%,具有较好的检测效果。2)根据一种树形结构人脸特征点模型定位人脸特征点,通过轮廓点裁剪出人脸区域,采用伽马变换、高斯差分滤波、对比度均衡化等一系列操作实现灰度归一化,降低光照影响。3)利用BJUT三维模型复杂光照与多视角投影图像训练了一种基于HOG特征的层次支持向量机用于估计人脸姿态,通过在FERET和BJUT投影图像上的测试,本文算法姿态估计正确率分别达到82.75%和90.73%。4)利用三维模型几何和纹理信息,首先根据光照渲染和多视角投影变换得到包含丰富姿态和光照的训练样本图像,然后采用带权值的卡方度量实现复杂光照和多视角的人脸识别。通过在BJUT上的测试,本文算法的识别率可以达到91%。