在机器学习的研究中，人脸识别是一个热门的研究问题。人脸识别系统的一般模型又分为人脸检测，特征定位与提取和识别分类三个步骤，其中特征定位与提取又是整个人脸识别算法的基础，其精度对算法的性能影响很大，所以它的研究具有重要意义。但是通常在提取特征点的过程中，常常因为人脸的各种复杂因素，如光照变化、眼镜或头发遮挡、表情等问题，并不能取得十分满意的效果。而要定位人脸特征点，最关键的就是准确预估的眼睛或嘴巴的位置，因此人眼定位也成为研究的一个热点。本文主要对主动形状模型进行了研究，首先设计实现了人脸识别的四种基本的比较算法：主成份分析算法，线性判别分析，图像差分分类器，弹性图像匹配算法，其次改进了ASM算法特征点定位的计算过程，提出了ASM多模板匹配方法，能更精确地定位人脸面部关键特征点的位置，再根据已定位的人脸特征点模板，使用Balloon模型提取精确的人眼坐标，最后对手动标定的人眼坐标和自动提取的人眼坐标进行了多角度的实验。研究工作包括了以下三个方面：1)在标准主动形状模型的基础上，为避免ASM算法极易陷入局部极小的缺陷，将ASM算法改进为多模板匹配方式，根据眼睛和嘴的状态的不同而拆分使用多模板进行匹配，并在搜索过程中屏蔽无用信息，通过添加纹理信息等有用信息，对人脸外部边缘轮廓特征点采用非对称采样策略，从而改进ASM算法的性能，提高人脸特征点的定位精度。2)改进传统活动轮廓模型，重新划分活动轮廓模型的外力，分为气球力和图像力，将改进的Balloon模型应用到人眼定位中，在预处理较好的条件下，Balloon模型的计算速度快，只需要计算少数重要控制点及其邻接区域点的气球力，并且Balloon模型利用自身不收敛与深凹的特点，能优化使轮廓更贴近人眼，避免初始轮廓敏感，距离准确轮廓较远时不易收敛的问题。3)参考CSU人脸评价系统，总结常用的人脸识别算法，根据不同的类别设计实现主成份分析算法，线性判别分析，图像差分贝叶斯分类器，弹性图像匹配算法，并根据常用的距离度量方法，结合马哈拉诺比斯(Mahalinobis)距离度量，改进实验中使用的Mahalinobis L1距离，Mahalinobis L2距离，Mahalinobis余弦距离和杨氏夹角距离。为了判断自动识别的人眼坐标是否能达到手工标定的人眼坐标的效果，除了直接判断自动识别的人眼坐标和手工标定的人眼坐标的平均像素差外，根据CSU评价系统的评价方法，将自动识别的人眼坐标和手工标定的人眼坐标分别结合各种不同的识别算法和不同的距离度量，从不同的角度评价自动识别的人眼坐标的精准度，给出比较曲线，只要在可接受的范围内正确识别人脸图像，我们就认为自动识别的人眼坐标有一定的效果，在某种程度上可以替代手动标定的人眼坐标，进行下一步的人脸识别。