主动形状模型是一种较为成熟的人脸特征点定位方法。它用局部纹理模型在特征点周围进行局部搜索,用全局统计模型约束特征点集组成的形状,二者反复迭代,最终收敛至最优形状。主动形状模型在速度方面具有较大优势,一般应用于实时性要求较高的场合。但是,主动形状模型也具有以下三个显著缺点:(1)主动形状模型的收敛速度和收敛到局部极值的可能性均依赖于初始形状。初始形状距离真实形状较远时,迭代次数会大幅增加,收敛到局部极小值的可能性也会变大;(2)主动形状模型的1D纹理模型仅对法线方向上的像素值采样。该法线模型可较好描述处于人脸轮廓和人脸特征轮廓上的特征点,但对处于人脸内部或人脸特征内部的特征点来说,该模型无法充分描述其局部纹理;(3)主动形状模型的局部搜索策略相当于在法线方向上穷举搜索,遍历法线方向上的所有点并计算它们的模板匹配函数值,然后找到其中匹配值最小的点。这种搜索策略极为简单,没有用到任何优化搜索策略,因此算法效率较低。针对以上三个缺点,本论文对主动形状模型进行了三方面改进:(1)改进主动形状模型的初始形状定位方法以便更加快速精确地确定初始形状;(2)把主动形状模型的局部搜索与均值漂移算法的搜索过程结合起来,并引入快速高斯变换改善均值漂移算法的计算复杂度,可同时改进主动形状模型中描述能力不强的局部纹理模型和效率低下的局部搜索策略;(3)扩展主动形状模型的1D纹理模型,研究其中存在的难点以及找到解决办法。