增强现实（Augmented Reality,简称AR）技术指的是将计算机生成的虚拟模型叠加到用户能够感知的真实物理世界中,它是在虚拟现实（Virtual Reality,简称VR）基础上发展起来的一种新的计算机应用技术。增强现实技术更好的结合了物理世界与虚拟世界,到目前为止已经有很多AR应用已经渗透到包括军事、医疗、教育、娱乐、建筑等各行各业中。本文提出的人脸合成技术为增强现实提供了新的方向,这种人脸合成技术已经不再局限于单纯的换脸或者人脸图像的风格转换,而是能够合成一张五官与真实人群不完全一致的新面孔。合成结果综合两张输入人脸特征,更倾向于人脸细节的无缝融合,并解决了以前方法中普遍存在的背景重影问题。可以预想的是,这种人脸合成技术与增强现实结合必将为AR应用的开发提供新的思路。本文提出的人脸合成算法主要包括以下几个步骤:人脸检测与关键点定位、人脸融合、人脸交换。本文的主要工作及研究成果如下:（1）在人脸关键点定位阶段,详细分析了 GBDT[61]算法在关键点定位方面的优势,并采用逐次迭代逼近的方法检测人脸关键点,该方法采用不同的初始化值可以得到不同的回归目标,扩大了数据集,同时采用回归器级联的方法,每一级回归器初始化的时候都重新分配每一个样本的初始值,大大提高了算法的准确性。最后对不同的回归器级数以及不同的样本初始化方法以及与其他算法进行了对比实验分析,证明本文采用的关键点定位方法具有很好的准确性。（2）在人脸融合阶段,首先对两张图像进行了网格生成,并根据两张图像的关键点定位结果求得融合图像的关键点位置。分析了几种插值方法的优势和不足,将仿射变换和双线性插值方法应用到图像变形中。（3）在人脸交换阶段,提出了一种基于替换的人脸交换方法,该方法可以通过对参考图像进行变形从而使最终结果与原始人脸的脸型保持一致,这对以后换脸算法的应用具有重要意义,引入了人脸语义分割算法,可以精确的分割出人脸ROI区域,解决了又参考图像中人脸有遮挡造成的真实感不足问题。（4）在图像合成阶段,提出了一种新的图像合成流程,本文方法在保证合成图像具有高度真实感并且合成结果比通常意义上的人脸合成更具观赏价值和应用价值。