随着科技技术的不断进步和人们安全意识的逐步提高,人们对基于人脸应用的需求日益剧增。人脸相比于其他人体生物特征更容易观察,更直接,因此基于人脸及其特征点的定位与应用成为当今图像处理领域的研究热点,具有非常广泛的应用前景。人脸识别系统和疲劳检测系统是现在人脸应用方面最具有实际意义的应用,它们关心的都是人类的安全问题,因此具有很重要的研究意义。人脸识别系统关注的是输入图像是否与人脸库的中的图像匹配;疲劳检测系统研究的则是通过一定的准则,根据驾驶员的实时情况对其的疲劳状态进行检测,并在必要时进行预警。它们都需要对人脸进行检测,并对关键特征进行准确定位,从而为后续的工作奠定基础。因此,特征点精确定位是人脸应用的关键,是研究的重点。本论文对于人脸应用中的人脸定位框的矫正、人脸特征点定位、以及疲劳检测进行了深入研究,并在此基础上对相关算法进行了创新性的改进。论文的主要工作如下:1)系统地综述了人脸特征点定位和疲劳检测系统的发展历史和研究现状。详细总结了基于灰度信息、基于先验规则、基于几何形状、基于统计等人脸特征点定位方法,并分析和比较各种方法的优缺点。同时介绍了几种疲劳检测方法,并对它们进行了比较和分析。2)对人脸特殊器官的定位进行了研究,并在此基础上对初始人脸定位框进行了矫正。首先介绍了基于模板的眼睛虹膜定位方法,然后介绍了基于FCM聚类的嘴巴定位方法。最后根据人脸的黄金分割比与实验经验对Adaboost人脸定位框进行了矫正,并比较矫正前后对人脸识别准确度的影响。3)介绍了基于模型的两种经典的特征点定位算法:主动形状模型(ASM)和主动外观模型(AAM),并且对这两种模型分别进行了实验,通过理论地分析和实验对ASM和AAM算法进行比较,讨论了这两种传统方法的优缺点。4)基于传统的主动形状模型(ASM)思想,提出了模板匹配搜索(TMS)算法,进一步提高了定位精度,达到鲁棒精确地定位特征点的目的。同时弥补了ASM只能对完全正面人脸进行定位的不足。5)模拟驾驶场景,对眼睛和嘴巴进行定位,并计算眼睛与嘴巴的面积,从而得到眨眼次数,并且根据不同情况进行分析和判定,在必要时系统会发出警告。