人脸特征定位及对应点匹配是计算机视觉和模式识别领域一个非常热门的研究方向,它是人脸识别、人脸动画、人脸跟踪、三维人脸重建、立体匹配以及建立统计模型等的前提步骤之一。二维图像上人脸特征点的定位算法已经比较成熟,但在三维模型上进行特征点定位的研究还比较少,本文提出了一个在三维模型上定位人脸特征点的算法。在三维点分布模型上,相对角直方图[40](Relative Angle-Context Distribution, RAC)算法能够在两个模型上找到对应点,但是此算法不能够进行精确匹配对应点,只能够将对应点定位到一个邻域内。为了提高特征点定位精确性,在RAC的基础上,本文提出了联合模式识别的K-均值聚类和支持向量机(Support Vector Machine, SVM)来进行三维人脸特征点定位的算法,称为基于RAC聚类和SVM的人脸特征点定位算法。此算法首先结合RAC和K-均值聚类方法对未知模型的特征点进行预匹配,得到的匹配结果称为聚类点集。为了得到更精确的特征点定位结果,然后提取三维点分布模型山的点的曲率、法向量和EE的均值和方差三个特征,最后采用SVM方法对聚类点集进行分类,达到分离特征点及精确定位的目的。实验结果表明,与RAC算法比较,此算法能够在三维点分布模型上进行更加精确的特征点定位,在距离阈值为30时,用RAC算法进行的特征点定位,25%的特征点定位准确率达到了100%,而本文提出的算法50%的特征点定位准确率达到了100%。