近年来，人脸识别相关产品已被大量应用到生产生活中，相关技术日趋成熟，应用领域也越来越广。人脸姿态估计作为人脸识别的预处理阶段，会对人脸识别系统的性能造成很大影响。人脸姿态估计属于图像分析的基础研究内容，涉及模式识别，计算机视觉，认知科学等多个学科，并且在公共安全，基于内容的图像检索，人机交互等方面都有非常广阔的应用前景。因此，如何对人脸姿态进行正确估计一直是图像处理方面一个极富挑战性的问题。　　本文提出了一种利用Contourlet变换进行特征提取来实现姿态估计的方法。为了增强姿态估计的准确性和效率，使用Contourlet变换来进行特征提取。如何进行特征提取是人脸姿态估计技术中的关键问题。Contourlet变换是一种多分辨率，多方向变换，它实现简单，具有较少的冗余度。Contourlet变换的第一步是通过LP（Laplacian Pyramid，拉普拉斯金字塔）来获得不连续点，第二步是通过DFB（Directional Filter Banks，方向滤波器组）将这些不连续点连接起来，构成线性结构。为了减小特征空间的维度，获得适合的特征，利用PCA（Principal ComponentAnalysis，主成分分析）来进行特征降维。为了增强类间区分度，采用LDA（Linear DiscriminantAnalysis，线性判别分析）算法实现。最后使用KNN（K-neareast neighbor，K近邻）算法来对人脸姿态进行分类。　　本文的实验中采用公开的人脸姿态图像集FacePix中的人脸图像进行实验。实验结果对本文提出的方法进行了验证。