人脸面部的关键特征点定位既是人脸识别研究领域中的一个关键问题,也是图形学和计算机视觉领域的一个基本问题。人脸特征点定位是基于人脸检测,目的是通过定位的人脸关键特征点来确定眼睛和嘴巴等主要器官的形状信息。目前最好的自动人脸识别(AFR)系统虽然在理想情况下能够取得比较好的识别性能,但是实用的AFR应用系统还需要进一步研究解决大量的关键问题,尤其是需要研究作为识别必要前提条件的人脸面部的关键特征点的精确定位问题。主动形状模型(ASM)是目前人脸面部关键特征点精确定位的主流方法之一。ASM是一种基于点分布模型(Point Distribution Model,PDM)的算法。在PDM中,外形相似的特定类别物体的形状通过若干关键的特征点(Landmarks)的坐标串接成原始形状向量。对训练集中的所有形状向量进行对齐操作后,对他们进行PCA分析建模,保留的主成分形成最终的形状模型,形状模型的参数反映了形状的主要可变化模式。搜索时首先通过局部纹理模型匹配得到各个特征点的更佳的位置,经过相似变换对齐后,通过统计形状模型对其进行约束,而后再进行局部纹理模型的匹配,形成一个迭代过程,以期形状模型最终匹配到输入的形状模式上去。本论文对经典的主动形状模型方法进行了深入的研究,并在此基础上对其进行了创新性的改进,使得人脸特征点定位更加地准确。论文的主要工作如下:1)系统的综述了生物特征识别技术和人脸特征点定位的发展历史和研究现状。总结了目前比较流行的人脸特征点定位方法,并分析和比较了各种方法的优缺点。2)详细介绍了经典的主动形状模型算法。主动形状模型主要包括形状模型的建立和局部纹理模型的建立,以及基于模型的目标搜索。3)介绍了小波变换的一些理论知识,Gabor小波的性质,并且介绍了Gabor相似性度量的方法。4)详细讲述了我们对经典主动形状模型的四点改进:边缘约束局部纹理模型、多分辨率搜索策略、在局部引入Gabor特征、形状模型在目标图像中的初始化。5)将Gabor小波和ASM相结合。在目标点的搜索过程中引入了特征点处的Gabor特征使得目标点的搜寻结果更加精确。6)简述了改进后的ASM算法在人脸三维重建中的应用和在人脸识别中的应用。