人脸特征点定位是人脸识别过程的重要环节之一。人脸特征点定位试图估计姿态、表情、光照条件变化时人脸特征点的空间位置。人脸特征点定位结果的精确性直接影响人脸识别正确率。因此,人脸特征点定位是一项具有挑战性的研究课题。本文深入研究了基于回归的人脸特征点估计算法,重点讨论不同姿态及表情时人脸特征点估计算法。本文采用不同的回归模型,根据正面或中性表情时的人脸特征点估计非正面或非中性表情时人脸特征点的空间位置。本文的主要工作如下：1)充分利用待估计样本与训练样本的近邻信息,提出了基于近邻样本的线性回归模型,包括基于近邻样本的密集线性回归模型、基于近邻样本的稀疏线性回归模型、基于近邻样本的完全稀疏线性回归模型。实验结果表明基于近邻样本的线性回归模型的人脸特征点估计算法的性能优于基于线性回归模型的人脸特征点估计算法。2)基于人脸不同部位特征的差异性及相同部位特征的相似性,提出基于分块回归模型的人脸特征点估计算法。实验验证基于分块回归模型的人脸特征点估计结果优于密集线性回归模型、完全稀疏线性回归模型、密集非线性回归模型和完全稀疏非线性回归模型的估计结果。3)基于样本近邻结构的姿态不变性,提出基于近邻保持的人脸特征点估计算法。该算法假设正面与非正面人脸形状向量的近邻结构是一致的,同一个对象正面与非正面人脸的形状向量可以用对应的近邻线性表示。实验结果表明,基于近邻保持的人脸特征点估计算法能够精确地估计出姿态偏转时人脸特征点位置。4)结合基于回归的人脸特征点估计算法和纹理映射,合成姿态、表情变化时虚拟人脸图像。实验验证基于回归的人脸特征点估计算法具有较好的通用性。