背景建模在计算机视觉，视频监控等领域是一个十分重要的技术，它可以将视频中的背景与前景分离开，得到我们所感兴趣的部分，这对后续的分析包括目标检测，人脸识别，行为分析有着重要的影响。人脸特征点定位是在人脸检测的基础上找到人脸上的一些特征，包括眼角嘴角鼻尖等，特征点定位在人脸校正，人脸变形，人脸识别中有着重要的意义。本文对背景建模进行了深入的研究并提出一种基于矢量均值聚类的新方法，在背景建模的基础上再进行人脸检测以及特征点定位。主要工作如下:　　针对传统的背景建模对光照条件十分敏感和阴影误检测这个问题，提出基于矢量特征的动态背景建模.算法分为初始背景模型学习和更新背景模型两个部分。初始背景模型我们把图像RGB三个特征对应球坐标中的方向特征，并取前面若干帧图片通过矢量均值聚类算法算出K个聚类，认为这K个聚类为这一像素点的背景模型，当一张新的图片对应像素的矢量特征落在这K类里任何一个时，就认为是背景;更新算法是初始模型的后续，新来的图片除了对它进行背景分析之外，也将其用一定的算法来更新背景模型。算法的结果能够有效的减少了光照的影响并减小空洞，并且当场景改变时能及时有效的更新背景。并且将我们的算法与两种经典的算法进行比较。　　在背景建模基础上，得到前景图片。行人一般会属于前景图片，在前景中进行人脸检测与特征点定位，传统的技术分为人脸检测和特征点定位两个部分，本文方法采用基于随机蕨理论的学习方法，能够有效的将人脸检测与特征点定位同时进行，从而降低了算法的复杂度。