主动轮廓模型(ACM)作为一种新型的轮廓提取方法,与其它传统的轮廓提取方法相比具有良好的提取和跟踪特定区域内目标轮廓的能力,在图像分割处理和边缘提取方面被广泛采用,目前在许多领域内得到了广泛应用,例如航空影像的目标提取、医学图像中的轮廓提取等。主动轮廓模型(ACM)的不足之处在于需要给定初始轮廓,而且模型依据具体问题而有所不同,文本针对这些不足进行了改进并尝试了将主动轮廓模型(ACM)应用于生物特征提取方面的研究。分别对静态复杂背景人脸轮廓自动提取和简单背景下的人耳轮廓自动提取提出了新的算法。在人脸检测方面,首先根据需要改进了主动轮廓模型的连续性能量项,曲率项参数的自适应调整等方面。其次通过对RGB的KL变换空间、HSV颜色空间等三种颜色空间的比较试验,提出了采用YUV颜色空间的统计模型实现人脸区域的预定位,以形态学特征和传统的特征脸匹配作确认的算法,结合上面的改进实现了复杂背景下基于主动轮廓模型的自动人脸轮廓检测。实验结果表明该算法具有良好的可行性。在人耳检测方面,提出了改进的otsu单阈值分割结合曲线拟合的方法解决耳屏处的边缘不连续问题的算法,根据得到的完整初始轮廓,运用改进的主动轮廓模型进行计算得到精确轮廓。实验的结果表明了该算法较好的准确性。