自动人脸识别(AFR)技术试图赋予计算机根据人脸特征辨别人类身份的能力,该研究具有重要的科学意义和巨大的应用价值。经过三十多年的发展,AFR技术取得了长足的进步。目前,最好的人脸识别系统在理想条件下己经取得可以接受的识别性能,但测试和实践经验表明:非理想条件下的人脸识别技术还远未成熟,要开发出真正鲁棒、实用的AFR应用系统还需要解决大量的关键问题,尤其需要研究作为识别必要前提条件的面部关键特征精确定位问题。特征定位远不是一个己经解决的问题,尤其需要注意非理想成像条件下的特征定位问题。因此,为了开发出具有真正实用的人脸识别系统,必须充分重视对面部关键特征点定位的研究,本文的主要工作有:本文重点探讨基于统计学习的面部特征点定位的问题,详细介绍了ASM/BTSM模型的基本原理,阐述了基于灰度级外观模型的ASM/BTSM算法,系统介绍了ASM/BTSM模型的扩展,对ASM/BTSM的形变模式、迭代搜索、灰度级外观匹配等过程进行了具体深入的剖析。提出了一种基于局部二进制模式的形状模型定位算法。该算法提取以特征点为中心的矩形区域LBP块作为人脸特征点的局部特征,使用主成分分析算法建立一个基于重构误差的分布模型,然后对待匹配形状进行迭代搜索。另外,为了减小待匹配点不在法线方向上所造成的误差,采用了八方向搜索最佳轮廓点。实验比较了本文算法与传统算法所具有的优点,LBP-BTSM算法比传统的特征点定位算法更精确,但是姿态问题依然是影响特征定位的主要问题。提出了一种基于形状评价的加权贝叶斯切线模型(WBTSM)。在基于局部纹理模型的基础上定义了一种形状评价函数,它衡量搜索得到的形状与训练数据的匹配程度。WBTSM采用形状评价信息,把搜索得到的形状用加权的方式投影到形状子空间,而不像在贝叶斯形状模型中采用正交投影,与正交投影相比,加权投影可以利用搜索过程中的信息,使得搜索可能跳出局部极值,从而得到更准确的结果。最后,本文设计了一个基于windows的自动人脸识别系统平台,能够有效提取人脸特征,该系统包括人脸检测,特征定位,人脸识别三个主要组成部分。