人脸特征提取是人脸图像分析技术的关键,它被广泛应用于人脸识别、三维人脸重建、人脸图像压缩等领域。由于人脸的面部表情和头部姿态是富于变化的,所以人们很难对特征点的形态进行准确建模。此外,一些干扰,比如图像中的光照不均匀,脸上存在眼镜和胡子等遮挡物,都会造成特征点消失或变形,从而增加定位的难度。与其它人脸分析技术相类似,脸部特征定位需要最大限度地适应人脸的各种变化。尽管前人已经对这个问题进行了深入研究,但现有的人脸特征提取技术在应用条件方面仍然存在苛刻的限制,比如要求均匀的光照、正面且中性表情的人脸、无遮挡物等。即便如此,技术的实时性与准确度也都未达到实用的程度。本文重点研究了鲁棒的人脸特征提取算法,主要研究内容如下:1)首先针对反向组合图像对齐算法及其三种扩展形式的演变过程进行了推导,然后详细探讨了主动表观模型(AAM)的建模与拟合算法,并指出了基于AAM的人脸特征点定位算法的不足之处。2)基于AAM的投影式反向组合算法是一种快速有效的人脸特征点定位方法。但当图像中人脸的某部分被遮掩时,算法定位特征点的精度会明显下降。本文提出一种采用逐层细分掩模消除干扰的正规化反向组合算法,该算法既保留了反向组合算法快速高效的优点又提高了算法处理遮掩的能力。其中包括两项创新:(1)提出一种更加适合于掩模技术的正规化反向组合算法;(2)设计出一种逐层细分掩模的方法。通过迭代判断和逐层分块细化掩模,使掩模准确地设置在遮掩物上,最大程度减少干扰。3)针对头部姿态大角度偏转的图像,传统的二维模型AAM定位人脸特征点的精度会急剧下降。本文提出了基于2D+3D Candide模型的三维人脸特征提取算法,算法能够有效地提取人脸特征点的位置和头部姿态等三维信息。实验证明算法在速度和精度方面都有不同程度的提高。其中包括三项创新:(1)研究AAM与Candide的融合技术。借鉴AAM建模的方法,建立2D+3D Candide模型;(2)建立约束方程,保持二维模型和三维模型的形变一致。(3)提出新的拟合算法,同时优化能量方程和约束方程。