人脸特征定位是指利用计算机自动的将人脸图像中的各个特征的位置定位出来。人脸特征定位在图像处理领域有着非常重要的作用，能够为人脸识别、表情分析和人脸跟踪的研究提供数据，同时在目标跟踪和人脸动画方面都会有很大的帮助。但是人脸是非刚性并且是复杂三维的图像，如果人脸存在着附属物的遮挡以及光照、姿态和照相设备的不同都会对计算机定位人脸特征造成很大的困扰，使得不能准确的定位特征点。活动形状模型（Active Shape Model, ASM）是近年来比较流行的一种人脸定位特征点的方法。活动形状模型能够通过模型的训练得到图像的统计信息，将待匹配的图像限制在一个合理的范围之内。活动形状模型分为两个部分，模型的训练阶段和搜索阶段。在模型的训练阶段通过手动标定特征点的坐标位置，统计出能够表示图像全局信息的全局形状模型和特征点局部信息的局部模型；在搜索阶段，先使用局部模型在待匹配图像中寻找局部特征的位置，所有特征点搜索结束后，用全局形状模型进行约束，直到准确地定位特征点的位置或者迭代次数达到一定，搜索结束。本文主要对活动形状模型进行改进，使得改进的方法能够更准确的定位特征点的位置。本文主要的研究内容如下：1.基于特征融合的人脸特征定位。针对活动形状模型在定位人脸特征点时，对初始位置敏感并且局部模型的建立只根据图像的灰度信息过于单一的问题，本文提出了一种基于特征融合的活动形状模型。算法使用SUSAN算子与小波变换结合，提取人脸图像的角点位置作为模型的初始位置，并将局部二值模式与原局部建模方法融合建立局部模型，融合后的特征能够更加充分的表示特征点的细节信息。2.基于多种群遗传算法的人脸特征定位。本文在深入研究多种群遗传算法的基础上提出了一种新的多种群遗传算法。将提出的新的多种群遗传算法应用于活动形状模型中，用遗传算法中的染色体遗传操作来替代原方法的搜索过程。