人脸检测和人脸特征点定位一直以来是模式识别领域的一个研究热点,人脸检测是要找出图像中人脸的大概区域,而人脸特征点定位则是要更精细的定位出人脸区域中的关键部位,以便对得到的人脸进行进一步的处理,如人脸识别等.而随着数字技术的迅猛发展,从海量的数字资源中快速而又精确的定位人脸甚至识别也正变得越来越迫切,这也是本文所关心的.本文首先讨论了快速有效的人脸检测技术,介绍了基于Adaboost和LBP的人脸检测算法,搭建了由三个不同角度分类器组成的多视角人脸检测系统,同时采用肤色信息过滤非人脸区域,减少误检率.然后介绍了特征点定位方法中的主动外观模型(Active Appearance Models, AAM),但出于精度和速度的双重考虑本文并没有采用这种算法,而是选用了折中的约束局部模型.然后详细描述了本文的基于随机森林和约束局部模型的人脸特征点定位方法,考虑到它对于初始化的依赖性比较高的特性,我们采用随机森林的输出来对约束局部模型进行初始化,让这两种算法之间实现优势互补,最终实现了一个速度达到实时同时定位结果又可靠的特征点定位系统.