人脸图像的特征点定位是人脸图像分析与识别问题的一个关键前提,人脸特征点的精确定位为人脸识别、人脸姿态估计、表情分析、年龄估计、人机交互、3D人脸动画建模等工作的进行提供了有力的保障。然而由于拍摄条件的不可控性,人脸图像往往存在着光照、表情、姿态、遮挡等一系列成像因素的复杂变化。这些影响因素使得人脸图像之间的差异千变万化,给特征点的定位带来巨大的挑战。现有算法的精度和鲁棒性尚不能满足实际应用的要求。本论文主要针对具有复杂变化的人脸特征点定位问题展开深入的理论研究和实验验证。论文着眼于使用统计学习理论在有限的人脸图像样本集下提出对各种人脸变化都比较鲁棒的高效率、高精度的人脸特征点定位方法。主要的研究成果包括：(1)针对视频人脸特征点的跟踪定位问题,提出了基于光流法约束AAM的人脸特征点跟踪方法。与静态图像不同,视频图像的上下帧之间存在着一定的相关性。利用Lucas-Kanade光流法跟踪预测目标关键点的位置,通过分析帧间相似性,利用帧间相似性保持的性质来预测AAM定位的初始特征点。该方法充分利用了视频帧间的相关性信息,使得AAM可以很好地适应人脸的运动,提高了特征点跟踪的速度,同时增强了整个算法的鲁棒性。(2)通过分析人脸图像内容的局部稳定性与变化性,提出了基于统计形变模型的两步骤人脸特征点定位方法。该方法利用了ASM与AAM方法各自的优势,在形状点分布模型PDM所建立的整体形状模型约束下,对人脸图像的五官和外轮廓进行分步定位,即先使用AAM定位人脸内部五官特征点,再使用ASM定位外部轮廓特征点,然后将内外特征点结合起来生成整体定位结果。为了提高ASM模型定位的准确性,对ASM的局部纹理模型进行了从一维的简单灰度向量模型到2D局部纹理建模的改进。实验结果表明,所提出的两步骤方法与其它统计形变模型相比,在鲁棒性与定位精度上都有明显的提高,可以较好地适应人脸姿态与表情的变化。(3)针对生活场景下的复杂人脸图像数据的研究,提出了基于分类随机蕨的快速人脸特征点定位方法。该方法分析了目前存在的基于级联形状回归的显式形状定位算法的缺点,从类别分析的角度构建随机蕨回归算法,使得该算法可以尽量获取全局最优解。同时针对级联形状回归的初始依赖问题,提出了一个基于姿态分析的初始形状优化选择方法,大大提高了算法的鲁棒性。在当前最具挑战性的LFPW数据库与HELEN数据库上的实验表明,所提的方法可以鲁棒地应对人脸的光照、姿态、以及小范围的遮挡变化,与当前最好的定位算法相比,所提出的方法在定位精度与鲁棒性上均有所提高。