近几年,随着互联网的飞速发展和计算机视觉算法研究的不断深入,基于深度学习的图像处理技术得到了蓬勃的发展。人脸特征点定位和人脸识别作为计算机视觉主要研究方向之一,也得到了很大发展。在这种背景下,本文在前人的研究基础上,实现并改进了基于自适应级联卷积神经网络的特征点定位。本文的研究工作主要有以下几个方面:1.对级联线性回归方法进行了总结与分析,指出级联系统对人脸特征点定位是十分有效的。2.提出了一个用于人脸特征点定位的新的卷积神经网络结构,同时提出了自适应级联卷积神经网络系统,使用高斯模型对级联系统中的前一层网络的输出进行建模,用于选择下一层网络的训练样本,使得级联变的高效。3.基于自适应级联算法,实现了用于人脸脸部五个特征点检测和六十八个特征点的系统。4.基于特征点定位,实现基于卷积神经网络的人脸特征提取,以及人脸识别算法,在标准数据集LFW上达到97.2%的准确率。