面部特征点定位是面像识别系统的一个重要组成部分,其定位结果还可应用于驾驶员疲劳驾驶分析、人脸自动追踪、脸部动画等领域。但是,特征点定位容易受到人脸表情、姿态,局部遮挡以及光照条件的影响。综合各方面因素,本文在人脸检测的基础上,提出了“初定位少量点,精定位大量点”的特征点定位算法,同时为了减少人脸内部点和轮廓点的相互干扰,采取了内部点和轮廓点分开定位的策略。主要工作如下：首先,基于CNN的知识,利用DCNN建立了人脸图像中高层次特征与特征点坐标的直接联系,从而只需简单预处理检测到的人脸图像,就能同时给出左右瞳孔、鼻尖、左右嘴角等5个特征点的初定位结果；其次,为了减轻人脸检测不稳定及人脸姿态给定位带来的影响,需要求解初定位五点与五点平均形状间的二维仿射变换参数h,利用参数h变换内点平均形状与轮廓点平均形状,将变换后结果用作精定位的初始值；再次,基于简化的SIFT特征,依据SDM算法训练了从特征点初始值到真实值的下降方向与偏置项,这样就能提取由5个点给出的变换后的初始值位置处SIFT特征,之后使用训练结果逐步优化初始值,从而精确定位49个内点,17个轮廓点,共66个特征点,实现了由少到多,由粗到精的定位思想；最后,在CAS-PEAL-R1数据库、FERET数据库以及验证集上进行了测试和分析,实验结果表明,本文提出的特征点定位算法定位效果良好,且具有较强的鲁棒性,其中在CAS-PEAL-R1数据库上眼睛的定位准确率达到99.23%。