随着计算机技术的高速发展,人类已不再满足借助外界的硬件设备和计算机交互的方式,而是期望实现类似于人与人交流方式的一种更方便、更智能的人机沟通模式,让计算机能更加懂得人的意图。这时候人脸就发挥出了重要作用,因此就需要对人脸进行深入研究。而且,我们将人脸的主要信息应用于网上眼镜商店的虚拟眼镜试戴系统,让用户可以足不出户在线就可以体验到像在线下门店戴上眼镜的效果。人脸特征点作为人脸识别、三维姿态估计和虚拟眼镜试戴中的关键,特征点定位的精度在很大程度上影响着这几种应用的性能。本文在人脸检测的基础上提取人脸图像的局部二值特征并使用随机森林的思想将各个特征点回归到目标位置上。本论文研究基于特征点的人脸姿态估计算法,并开发实现了相应的虚拟眼镜试戴系统和人脸识别系统,而且在此基础上对相关算法进行了一些创新性的改进。论文的主要工作如下:1)研究了基于随机森林的特征点提取方法。通过改变训练样本库中人脸图像的个数以及随机森林中树的深度和树的个数不断提高特征点定位的精度,并通过实验证明了该算法在复杂环境下具有强壮的鲁棒性。在此算法的基础上,从提取特征的区域出发,发现传统的特征提取方法获取的特征维数较大,导致相似性度量时的计算量大。因此提出了一种基于局部Gabor变换的特征提取方法。该方法不仅可以有效地提取人脸的局部特征信息,而且可以极大地减少特征的维数,加快了人脸识别的速度。实验结果证明了该方法的有效性。2)研究了一种进行人脸三维姿态估计的方法。该方法从人脸三维姿态出发,发现传统的人脸姿态估计方法只能实现4个自由度上的角度估计,难以模拟实际中人脸姿态变换的情景。从而提出了一种人脸三维姿态估计方法。该方法在精确定位到人脸关键位置特征点的基础上,利用二维坐标和与之对应的三维坐标之间的仿射变换来估计三维人脸姿态变换的角度,实现了6个自由度上30度范围内准确地估计。在此基础上实现了一种基于特征点的虚拟眼镜试戴系统。系统仿真结果表明本方法可以实时估计用户人脸偏转的姿态,取得较好的实时试戴效果。