活动轮廓模型是于上世纪80年代末发展起来的一种用于图形图像处理的数学方法，具有方便建模和提取任意形状物体边界轮廓的良好特性，主要分为参数活动轮廓模型和几何活动轮廓模型两大类。几何活动轮廓模型借助于曲线演化理论和水平集方法的数值计算，较好的克服了参数活动轮廓模型自身的一些缺陷，具有计算稳定、自动处理曲线拓扑结构变化、易向高维扩展等优点。人脸轮廓作为人脸的重要特征，它的提取不仅是人脸特征检测、人脸识别和人头三维重建等人脸图像分析的重要前提，也是许多艺术影像处理的基础。但是由于人脸形状的多样性和非刚体性，在使用模板方法时遇到了很大困难，而常规基于边缘算子的方法得到的轮廓又是不连续的，因此几何活动轮廓模型在解决人脸轮廓提取问题中展现了令人鼓舞的前景。因此本文针对几何活动轮廓模型在人脸轮廓提取问题中的应用进行了深入研究，其具体内容如下：　　 针对几何活动轮廓模型计算量大，效率差问题：一方面将常规的窄带实现方法进行改进，实现了C-V模型的窄带数值实现，提高了计算效率；另一方面将用于三维形状过渡的稀疏场算法引入到二维图像分割问题中，并将其与C-V模型结合，不仅减少了计算量，还对模糊、分断的边界的人脸图像有一定的鲁棒性。　　 针对因面部特征或面部饰物干扰而导致的演化曲线出现“凹陷”或“空洞”现象，提出了一个将边缘外侧张力、全局能量和肤色能量有机结合的肤色混合活动轮廓模型，并通过相关实验，验证了该方法具有较高的鲁棒性和可实用性。　　 针对初始演化曲线定位问题，提出了一个自适应单峰高斯模型算法，其定位过程如下：首先利用Adaboost算法检测出图像中人脸的大致区域，再通过自适应单峰高斯模型算法找出区域中肤色像素，最后采用最小二乘法根据像素的位置进行椭圆拟合，得到初始演化曲线演的位置。实验证明，该方法为人脸轮廓的精确定位奠定了良好的基础。