人脸识别是通过计算机建立的相关模型和程序,通过对人脸部图像的分析,从中提取所需要的信息,用以识别和分辨个人身份的一种技术。人脸识别的应用相当广泛,在安全保卫、计算机安全、监控设备、虚拟现实等各方面都有很大的应用空间。人脸识别技术涉及到人工智能和模式识别等领域，是一门多学科跨专业的综合技术。人脸识别的过程主要包括人脸检测、特征提取和人脸识别。人脸识别的技术被各国的学者广泛研究,也取得了丰富的成果,很多算法在理论上已经十分成熟,但在实际的应用中,由于现实的干扰因素,还存在着很多的问题。评价人脸识别技术的先进与否,关键要看其鲁棒性、快速性和准确性,就目前的情况来看,实现一套现实能用的人脸识别系统,还需要解决很多问题。主动形状模型(Active Shape Model, ASM)是一套非常有效的人脸特征提取算法,它是基于统计的参数化可变模型。这一模型利用局部纹理直接到形状作优化,可以取得较好的特征点定位精度,但同时,由于其灰度模型利用的只是局部的纹理信息,对模型的起始位置、图像的质量等十分敏感,当这些参数出现较大的偏差时,很可能使总体结果的正确性受到影响。对此,本文提出了一种将ASM与人脸部下颌的曲率相结合用于脸形筛选相结合的算法,在进行主动形状模型定位点的标定之前,利用对脸形的约束,实现对人脸的初步分类,以减轻后继查找与特征定位工作的负担和时间。实验证明,该方法可以较快地对人的面部轮廓进行定位,再利用图像的放大和缩小,进一步提高主动形状模型定位时的精确度。在人脸识别中,人面部的色彩也是一个重要的影响因素,不同的人脸样本,在肤色、眼睛颜色以及其他部位的颜色上存在着差异。目前的主动形状模型在人脸形状的分辨上,受样本头部姿势变化的影响较大,往往造成结果的错误,但归一化的色彩分布直方图不受人头部姿态变化的影响,因此,将主动形状模型与色彩的提取相结合,提出了一种新的对人的眼睛和嘴部进行色彩提取和定位的算法,不仅可以提高人脸识别的准确率,更重要的是可以排除由于姿态改变带来的影响,使算法具有更好的鲁棒性。实验表明,采用该算法的人脸识别,比一般的识别算法更具有实际意义。人脸识别系统首先要利用样本建立人脸库,在实际的使用中,对输入系统的人脸图像进行识别,找出库中匹配的人脸图案,再进行下一步的工作。利用以上的两种改进算法,实现了一套基于主动形状模型的人脸识别系统。通过实验和对比,证明了以两种改变算法为核心的识别系统具有较高的识别准确度和鲁棒性,即可快速准确地确定人脸的位置,又可以消除由于状况姿态调整还来的噪声,取得了良好的效果。