人脸图像的感知和分析作为模式识别和人工智能学科的前沿课题，包括人脸检测，面部特征点定位，姿态估计，表情分析，人脸合成，人脸识别和人脸动画等一系列研究内容。其中，人脸检测和面部特征定位是基础，也是扩大人脸应用范围需解决的关键问题，因而受到了国内外学者的广泛研究。早期的人脸检测和面部特征点定位都是针对正面人脸进行的，经过多年的的发展，取得了一系列进展，其研究成果在人机交互，生物信息安全，虚拟现实等方面发挥着重要作用。但随着人脸应用范围的不断扩大和开发实际系统需求的不断提高，多视角人脸检测和面部特征定位自20世纪90年代后逐渐被人们重视并得到研究。多视角人脸指图像中人脸覆盖一个较大视角范围的人脸表观模式，一般超过30o范围。与正面人脸检测与特征点定位相比，多视角人脸的研究还相对薄弱，难度也大得多，离实际应用还有距离，但却是人脸感知和分析技术走向实用化急需解决的关键问题。　　正是在这种背景下，本文在系统总结了现有的人脸检测和面部特征点定位方法的优缺点的基础上，对多视角人脸面部特征点定位进行了深入研究，内容涉及以下方面：全视角下的彩色人脸检测、多视角人脸多器官定位及面部特征点定位。主要工作及创新成果概括如下：　　（1）针对Adaboost算法对伴有平面旋转的多视角人脸图像训练复杂，检测效果不理想的问题，将肤色分割与基于Adaboost的多视角人脸检测算法相结合，提出一种检测伴有平面任意旋转的多视角彩色人脸方法。首先利用不同肤色之间的差异性和相似性的特点，使用颜色聚类方法建立分类肤色查找表，通过它实现快速提取待测图像中的肤色区域并自动分割与人脸粘连的肤色背景；然后，使用基于颜色相似度的邻接区域合并算法重新合并由于光照不均而被分割成部分的人脸候选区域，对其用K-L变换确定人脸平面方向，最后用Adaboost多视角人脸分类器扫描经过旋转校正的候选区域，完成人脸定位。实验表明，该方法能有效检测出普通Adaboost多视角分类器无法检测的平面大角度多视角人脸图像，应用于多视角、多人脸的具有肤色背景的情况，具有较好的检测效果。　　（2）提出一种新的多视角面部多器官定位的方法，首先在Adaboost定位的人脸区域中划分眼、鼻和嘴的搜索范围，然后利用眉眼和鼻嘴整体特征，用大规模多视角面部器官样本训练的支持向量机在搜索区域中确定候选眼、鼻及嘴的区域。利用分类器中判别函数值越高的窗口相对越接近目标以及目标对象往往会被附近窗口多次检测到的事实，对候选眼、鼻及嘴区域进行筛选与合并以确定最佳位置，实现多视角人脸上多器官的准确定位。实验表明，该方法具有很好的精确性和鲁棒性，能适应复杂背景下表情变化的多视角人脸上的眼、鼻及嘴的定位。　　（3）提出了一种基于DCT-SVM的增强型人脸主动形状模型算法。相比于传统的ASM及其他人脸特征点定位算法，本算法使用改进的DCT-SVM算法建立局部纹理模型，同时，改变以往文献中对所有特征点建立纹理模型的方法，只对部分关键特征点建立纹理模型，避免纹理区分度小的特征点对定位精度的干扰；其次，将关键特征点依相应的DCT-SVM特征点检测器的输出情况进行可靠性分类，利用可靠点，将脸部器官形状模型和全局形状模型相结合进行人脸的形状优化，减小错误点对迭代形状的干扰，提高人脸轮廓的定位精度。　　（4）提出Candide-3姿态估计下的多视角主动形状模型。为了能抽取多视角人脸的面部轮廓，我们引入Candide-3模型，通过多视角人脸的五官位置，使用Candide-3模型进行姿态估计，划分视角类别，以此为基础将之融入到前面的增强型人脸主动形状模型框架内，形成Candide-3姿态估计下的增强型多视角主动形状模型，并增加了以下特点：　　①能够完成绕X、Y轴同时偏转的多视角人脸的姿态估计及面部轮廓的提取。　　②由于面部偏转造成的某些界点遮挡，针对不同视角，提取不同界点作为关键特征点，并建立视角相关的局部纹理模型，以此提高纹理鉴别精度。