Active Shape Model(ASM)是一种非常有效的人脸特征点定位跟踪的统计方法,多年来被人们使用和完善。但是由于ASM采用Local Appearance Model,ASM还是会受到诸如光线的强弱变化、人脸表情变化的影响。近年来,随着小波分析在图像处理、计算机视觉等领域内的研究应用日趋成熟,我们考虑到应该充分挖掘小波分析的潜力,将它和经典的Active Shape Model相结合,来应用到人脸特征点的定位和跟踪这个问题上,基于这个思想,本文设计出了G-ASM算法。G-ASM算法相对于传统ASM的差别在于:它取代传统ASM基于灰度的搜寻方法,而采用了基于Gabor小波的方法来搜寻最佳点的位置,使得搜寻结果更加精确有效,之后采用形状模型来约束、更新形状参数,达到逼近目标位置和定位跟踪的目的。通过人脸特征点的定位跟踪实验,结果证明G-ASM算法是有效的,而且是具有潜力的一种方法。本文给出了G-ASM算法的框架和详细的算法实现,并且详细地分析测试了5种Gabor小波搜寻方法,以及不同Gabor小波对G-ASM算法性能的影响, <WP=4>值得指出的是:虽然文中采用定位跟踪人脸特征点来检验G-ASM算法的性能,但G-ASM算法别非专门针对人脸特征点定位跟踪的问题,这个算法具有一般性,可以应用到其他的领域来定位跟踪目标物体,比如医学图像处理分析。