随着人工智能技术的日趋提高,人们不断在刷新对身份认证技术的安全、便捷、潮流的认知感。传统的钥匙、IC卡等身份认证方法,存在着不足和诸多安全隐患,已经不能满足人们追求可靠的、便利的身份认证。近年来,基于人体生物特征的个人身份识别技术迅速发展,归结于其安全性、便利性极好。与基于指纹、掌纹、虹膜、视网膜、静脉、骨骼等其他生物特征的身份识别方式相比,人脸识别更加具有非侵犯性、防伪性、采集方便等特点。人脸识别系统一般包括图像摄取、人脸检测、人脸对齐和身份确认四个步骤。其中,人脸对齐的目标是定位面部上眼睛、鼻子、嘴巴及脸部轮廓等主要器官的特征点。精确地定位人脸特征点能够为准确地提取人脸特征奠定基石,快速地定位人脸特征点能够为系统实时工作有效提供保障,从而更加有利于人脸识别工作顺利进行。然而在复杂环境下,由于受光照,遮挡,姿态,表情,图片质量等因素变化的影响,人脸对齐算法性能大大下降,实现一种鲁棒高效的人脸对齐方法仍然是一项具有挑战性的任务。本文重点探讨基于局部纹理模型的人脸对齐方法,首先叙述了基于Haar-like特征及AdaBoost算法的人脸检测,其次阐明了基于主动形状模型(Active Shape Models, ASM)的人脸对齐,最后论述了提出的一种基于随机森林回归的人脸对齐算法,形成了从原始图像到人脸检测再到特征点定位的一套完整的全自动人脸特征点定位系统,文章主要分为四大块：首先,阐述了国内外人脸对齐的研究形状及难点,总结了人脸对齐常用的方法,并总结了人脸对齐工作常用的数据库及人脸对齐方法性能评估的几种方法。其次,叙述了基于Haar-like特征及AdaBoost算法的人脸检测方法的实现过程,详解了Haar-like特征的提取、积分图的构造、分类器的构建与级联,并在MATLAB R2009A平台和Helen数据库、LFPW数据库及BioID数据库进行实验。接着,阐明了基于主动形状模型的人脸对齐方法的实现过程,详解了训练样本形状的对齐、形状模型构建、梯度向量特征提取及局部模型构建,并在MATLABR2009A平台和Helen数据库、LFPW数据库及BioID数据库进行实验。最后,论述了提出的一种基于随机森林回归的人脸对齐方法的实现过程,详解了像素差值特征的提取、随机森林回归模型的构建、随机森林回归模型的遍历、全局形状优化模型的构建及级联结构的应用,并在MATLAB R2009A平台和Helen与LFPW数据库对提出的方法进行了测试,实验结果表明基于随机森林回归的人脸对齐方法不仅特征点定位时间短、定位精度高,而且训练模型较小。