基于三维模型的人脸识别追踪技术是近年来模式识别和计算机视觉领域的一个热点。目前用于人脸识别追踪的模型有主动形状模型(Active Shap Models)，主动外观模型(Active Appearance Models)，受限制的局部模型(Constrained LocalModels)等，这些模型在人脸特征点精确定位上都取得了很好的效果。一般基于三维模型的人脸识别追踪系统包括人脸检测，人脸追踪，三维模型建立，三维模型拟合人脸，特征点定位等。本文就三维人脸模型的特征点定位包括三维模型的建立，模型拟合等过程和人脸的识别追踪这两个部分进行展开。人脸追踪（face tracking）一直是计算机视觉领域的研究重点，目前在手机应用、小区监控、人机交互、视频会议等都具有广泛的应用。由于人脸追踪中常见的问题比如光照、遮挡、人脸姿态变化、复杂背景、尺幅变换很难解决并且追踪问题的算法对实时性和精确性要求都很高，所以目前的追踪算法的准确性和鲁棒性都不是很高。本文采用了基于压缩感知理论的压缩跟踪(Compressive Tracking)算法，通过提取Haar特征建立外观模型，并利用稀疏测量矩阵降维后通过朴素贝叶斯建立线性的支持向量机分类器，并预测人脸的位置后匹配人脸，最后更新分类器的参数。压缩跟踪算法是一个在线学习的算法，在实时性和精确性都取得了非常好想的效果。人脸特征点定位是在人脸检测追踪的基础上进行的，主要是在人脸识别追踪的过程中对通过三维模型拟合人脸来精确定位人脸上的特征点。目前人脸模型在特征点定位上比较成功的有主动形状模型(Active Shap Models)，主动外观模型(Active Appearance Models)，受限制的局部模型(Constrained Local Models)等。本文主要对AAM模型、combined2D+3D模型和CLM模型做了详细的阐述，并结合其各自的优点，在combined2D+3D模型的基础上融入了形状限制，大大的提高了拟合的效率和准确性。生成的新的三维模型，在压缩感知人脸追踪的算法基础上对人脸做特征点的定位，取得了很好的效果，为后续的工作奠定了基础。本论文提出的新的三维模型主要是为解决人脸大角度问题，甚至是人脸转动九十度时也很好的拟合人脸并定位人脸上的特征点，并在鲁棒性、精确性和实时性等方面也取得了很好的效果。