人脸的表示和识别技术是模式识别、计算机视觉和图像理解系统的研究热点之一，在公安和安全部门有着广泛的应用，例如搜索罪犯、动态监视、银行密码系统等。目前研究主要集中在简单背景下的前视人脸识别或前视加侧视人脸识别，复杂背景下的多姿态人脸识别研究则刚刚起步。 本论文研究了复杂背景下的多姿态人脸识别的基本理论和关键技术，重点讨论了具有复杂背景的人脸图像中的人脸检测、人脸器官定位、特征提取以及多姿态人脸识别问题。论文的主要研究工作和成果包括以下几个主要方面的内容。 首先研究了复杂背景下的人脸检测，总结分析了复杂背景下灰度人脸检测技术，提出了基于肤色检测和多级证实的彩色人脸检测算法。在肤色统计分析的基础上，先基于彩色分割检测人脸候选区，后利用形状分析、人脸局部器官特征和人的头部模型先后进行三次证实。这个算法具有较强的适应性和对各种背景干扰模式的稳健性等优点，对120多幅具有复杂背景的彩色图像实验表明，可以较为理想地从具有复杂背景的彩色图像中检测出双眼可视的多姿态的人脸。 其后研究了人脸特征提取，一、讨论了适合于多姿态人脸识别的基于三点仿射变换的人脸图像归一化方法，以克服基于两点仿射变换会引起较大图像信息损失的缺陷；二、在分析现有器官定位算法的基础上，提出了新多姿态人脸器官特征定位技术，将多特征和直方图分析、基于置信度函数的迭代搜索和模板匹配相结合，既提高了器官定位精度，又提高了定位速度。三、分析了现有人脸特征提取技术基础上，提出基于人脸图像分辨率以及人脸图像质量优劣度量的人脸局部特征突出度的人脸特征自适应选取准则，选取并提取较为稳定和可靠的人脸特征。 随后分别研究了基于多视图和单视图的多姿态人脸识别。在基于多视图的多姿态人脸识别方面，总结分析了经典的前视人脸识别和多姿态人脸识别概念和方法，提出了基于层次模型和融合决策的多姿态人脸识别技术。该技术先基于姿态划分的层次模型对多视图训练样本进行分类，后进行各个姿态通道的人脸识别，直至将各个姿态通道的识别中间结果进行融合决策得到最终的人脸识别结果。该技术与经典算法相比既提高了识别正确率，又减少了计算时间。 在研究基于单视图的多姿态人脸识别方面，一、详细研究了基于单视图或小样本的多姿态人脸识别的可能技术途径；二、提出了一种新的基于单视图的多姿态人脸识别技术，它先基于高次多项式函数拟合方法由单视图通过变形生成多姿态人脸图像，后基于该单视图和生成的多姿态图像进行多姿态人脸识别，实验结果表明该算法识别正确率大大高于经典算法；三、详细研究了几种基于单视图或小样本的多姿态人脸图像生成技术，它们是基于单视图或小样本的多姿态人脸识别的关键技术。 最后，在前述几个方面研究的基础上，提出了复杂背景下的多姿态彩色人脸识别技术，并实现了其模型系统。该模型系统完成从具有复杂背景的彩色人脸图像中检测、识别双眼可视的多姿态人脸目标。实验结果表明了其稳健性和潜力。