随着科技的进步和人们安全意识的提高,对快速有效的身份鉴别的实际需求日益迫切。人脸相比其他人体生物特征具有直接、友好、方便的特点,因此自动人脸识别成为身份鉴别的研究热点,有着广泛的应用前景。一个自动人脸识别系统一般包括:人脸检测、关键点特征定位、识别等步骤。影响自动人脸识别系统真正实用化的主要因素有:姿态问题、光照问题、表情问题等。特征点精确定位是解决这些问题的关键。本论文对于人脸识别中的人脸特征点定位、人脸特征点跟踪以及相关应用进行了深入研究,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)系统的综述了人脸特征点定位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、基于小波和小波包等人脸特征点定位方法,并分析和比较各种方法的优缺点。2)对人脸特殊器官的定位进行了研究。首先介绍了霍夫变换法、变形模板法、边缘特征分析法、对称变换法和基于彩色图像色度经验公式法等定位眼睛的方法。然后研究了通过聚类定位嘴巴的方法。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)。并在本文的实验中构造了主动形状模型和主动表观模型,通过理论地分析和实验对ASM和AAM算法进行比较,提出改进方案。4)具体地对主动形状模型(ASM)算法进行了创新性地改进,提出了一种在彩色图像中结合肤色概率信息的改进ASM算法,并进一步提出了基于人脸特征点Gabor小波特征分类的特征点搜索方法,对改进ASM的结果进行精确校正,达到鲁棒精确地定位特征点的目的。5)对光流分析算法进行了研究,并将该算法应用于人脸图像序列的特征点的跟踪,并通过实验证明了其有效性。6)本文对基于特征点跟踪的唇形识别进行了探索性研究,提出了一种特征点位置和运动特征提取的方法,并介绍了基于子空间学习的几种经典的特征降维方法:主元分析法(PCA)、线性判别分析(LDA)、基于流形学习的降维(LPP)、辨别共同向量(DCV),最后通过实验对这几种降维方法的识别效果进行比较,从而证明本文提出的基于特征点跟踪的唇形识别算法的可行性。