針對(duì)現(xiàn)有常用分類(lèi)器性能不能滿(mǎn)足頭部姿態(tài)估計(jì)對(duì)準(zhǔn)確率的要求，以及光照變化影響頭部姿態(tài)估計(jì)準(zhǔn)確率的問(wèn)題，提出了一種基于 Bagging-SVM集成分類(lèi)器的頭部姿態(tài)估計(jì)方法。首先，通過(guò)圖片預(yù)處理和Adaboost檢測(cè)人臉區(qū)域算法減少背景、光照等干擾因素對(duì)于頭部姿態(tài)特征提取的影響。其次，采用融合方向棁度直方圖（HOG特征和局部二值模式（LBP）特征分別對(duì)人臉的輪廓特征和紋理特征進(jìn)行提取。然后，通過(guò)成分分析（PCA）對(duì)融合的頭部姿態(tài)特征進(jìn)行特征選擇，抽取其主元特征分量供分類(lèi)器進(jìn)行訓(xùn)練。最后，通過(guò)Bagging方法構(gòu)建多個(gè)訓(xùn)練數(shù)據(jù)集，并采用支持向量杌（SⅥM）對(duì)每個(gè)數(shù)據(jù)集進(jìn)行訓(xùn)練，產(chǎn)生多個(gè)弱分類(lèi)器，多個(gè)弱分類(lèi)器投票決定測(cè)試樣本所屬類(lèi)別。將該算法在 Pointing‘04數(shù)據(jù)集、CAS-PEAL-R數(shù)據(jù)集和自建數(shù)據(jù)集上進(jìn)行驗(yàn)證實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表眀提岀的算法相比線(xiàn)性判別分類(lèi)器（LDA）、樸素貝葉斯分類(lèi)器（NB）等常用分類(lèi)算法具有更高的分類(lèi)準(zhǔn)確率，對(duì)光照的變化具有較好的魯棒性.