姿態問題涉及頭部在三維垂直座標系中繞三個軸的旋轉造成的面部變化，其中垂直於影象平面的兩個方向的深度旋轉會造成面部資訊的部分缺失。使得姿態問題成為人臉識別的一個技術難題。解決姿態問題有三種思路：

第一種思路是學習並記憶多種姿態特徵，這對於多姿態人臉資料可以容易獲取的情況比較實用，其優點是演算法與正面人臉識別統一，不需要額外的技術支援，其缺點是儲存需求大，姿態泛化能力不能確定，不能用於基於單張照片的人臉識別演算法中等。

第二種思路是基於單張檢視生成多角度檢視，可以在只能獲取使用者單張照片的情況下合成該使用者的多個學習樣本，可以解決訓練樣本較少的情況下的多姿態人臉識別問題，從而改善識別效能。

第三種思路是基於姿態不變特徵的方法，即尋求那些不隨姿態的變化而變化的特徵。我們的思路是採用基於統計的視覺模型，將輸入姿態影象校正為正面圖像，從而可以在統一的姿態空間內作特徵的提取和匹配。

因此，基於單姿態檢視的多姿態檢視生成演算法將是我們要研究的核心演算法，我們的基本思路是採用機器學習演算法學習姿態的2D變化模式，並將一般人臉的3D模型作為先驗知識，補償2D姿態變換中不可見的部分，並將其應用到新的輸入影象上去。

更多技術解答，Ph一下顏鑑，更好的技術。