随着硬件设备价格的下降以及图像分析与处理技术的发展,人脸识别开始从实验室研究推广到商业用途。作为人脸识别系统中的重要组成部分,人脸配准连接了人脸检测和特征提取与匹配这两个关键步骤,对人脸识别的性能有着重要的影响。如果人脸配准精度高,那么可以提升人脸识别性能,反之亦然。因此,人脸配准的精度在人脸识别系统中起到了举足轻重的作用。首先通过建立一个人脸模型并以此模型作为配准时的参考人脸,然后利用仿射变换寻找参考人脸和实例人脸特征点之间的对应关系。接着利用Nelder-Mead单纯形法搜索人脸模型进行实例人脸刚性变换的最优参数,建立一个造价函数来约束优化的过程,构建了一种利用刚性变换的局部人脸配准模型。通过实验验证表明,该配准方法能实现对人脸内部区域特征点粗略的定位效果。针对该方法对人脸外轮廓特征点定位效果不佳的问题,考虑了全局刚性变换和非刚性扭曲相结合的方式,通过对一组人脸的联合配准来提升组内人脸个体的配准性能。先利用监督下降方法来确定组内人脸标定点的初始位置,然后使用RANSAC算法来求解组内人脸特征点之间的最优单应性变换矩阵,根据最优的单应性矩阵来确定人脸特征点之间的对应关系。接着利用非刚性ICP算法对参考人脸模型中的特征点进行非刚性扭曲,使得参考人脸中每个特征点均向着实例人脸对应特征点的方向上进行变换,最终建立一个利用组配准方式的局部人脸配准方法。在常用的人脸配准数据库300W上进行实验验证分析,和监督下降方法的配准结果相比,在正面人脸的情况下,该组配准方法能提升组内实例人脸特征点的平均定位精度。利用组配准方式的配准方法可以较SDM算法提高正面人脸的特征点定位精度,得到的配准结果可为后续与人脸相关的高层视觉任务提供有利的支持。