人脸标定技术是计算机视觉领域识别人脸几何结构的一门技术,它在人脸处理系统中扮演着重要的角色。后期人脸处理的很多任务,比如人脸识别、人脸姿态估计、人脸表情分析等,都是以人脸标定作为前提的。但是由于面部细节变化的复杂性和外部环境变化的多样性,面部特征易受人脸姿态、人脸表情、外部光照或噪声的影响,这些都加大了精确的人脸标定的难度。因此,研究出一种鲁棒的精确的人脸标定算法在现实中具有重要的意义。本文首先对当今人脸标定的方法做了细致的综述性的分析,主要研究了一大类物体检测模型——部件模型,着重分析了其中的星座模型和非星座模型。本文提出的方法主要借鉴了其中一种星座模型——主动形状模型的拟合方法；同时借鉴了非星座模型——隐式形状模型的投票方法,并将二者进行很好的结合,一定程度上提高了人脸标定的精度。本文的主要贡献如下：1.概率判别型的外观模型。因为普通的人脸标定方法中,一般采用生成模型的方法,对人脸的结构作单模高斯分布的假设。由于人脸的外观易受光照表情等条件的影响,单模分布不足以刻画外观分布情况；另外,使用生成模型,需要大量的训练样本。本文的改进方法是采用概率输出的支持向量机模型,对于候选点的判别以某个概率值作为标准,一定程度上提高了局部特征点的搜索精度。2.基于锚点的投票模型。将人脸的所有特征点区别对待,先检测识别精度高的特征点(锚点)。然后根据特征点与锚点的空间位置信息,进行投票,进而生成投票模型。3.采用多输出岭回归方法,对外观模型和投票模型进行融合,从而进一步提高模型的精度和鲁棒性。为了说明本文算法的有效性,我们分别在PUT数据库XM2VTS数据库BioID数据库和Talking人脸数据库上进行测试分析。实验结果显示,本文算法在一定程度上提高了人脸标定的精度,达到了预期的目标。