主动表观模型(Active Appearance Model, AAM)是一种重要的特征提取算法。该模型最早于1998年由F. T. Cootes等人提出并被应用于人脸特征点标定。由于其灵活的结构和强大的功能,AAM被广泛应用于人脸图像处理领域,如人脸检测、人脸识别、人脸跟踪以及人脸动画等。本文主要研究基于AAM的面部特征自动标定平台,并在该平台基础上建立了一系列模式识别应用。首先,本文研究了一种基于AAM的人脸跟踪与识别算法。该算法结合了Lucas-Kanade (LK)算法和AAM,充分利用AAM的建模能力和LK算法的快速匹配效率,达到快速的特征点匹配,进而实现面部视频跟踪与识别。实验结果表明,该算法可以对视频中运动的人脸进行比较精确的匹配与跟踪。其次,从分类角度出发,研究并实现了一种AAM特征匹配算法。该算法将AdaBoost算法与AAM建模相结合,在利用PDM(Point Distribution Model)模型与BAM (Boosted Appearance Model)模型训练弱分类器的基础上,最终建立强分类器并用于AAM的模型匹配。实验结果表明,该算法将AAM特征匹配转换为分类问题,可以快速精确地匹配人脸。最后,在Matlab GUI环境下开发了基于AAM的人脸视频跟踪与识别系统软件。该软件平台分别嵌入了基于LK算法、AdaBoost算法的两种模型匹配方法,并集成了特征点标定、AAM建模、AAM匹配、视频跟踪和匹配信息存储等模块,最终实现了基于AAM人脸特征匹配及人脸视频跟踪与识别等任务。该平台为AAM算法的进一步研究打下坚实的基础。