人脸识别就是利用计算机技术,通过对人脸图像的分析,提取我们所需要的一些特征信息,用来做身份识别或者目标追踪。它主要有三个步骤：人脸检测、特征提取和人脸识别。人脸识别技术的鲁棒性、高效性、准确性是评价一种人脸识别技术是否优秀实用的主要标准。由Cooter等人提出的主动形状模型(Active Shape Models以下简写为ASM)在脸部特征定位上占据着极其重要的地位。这一模型利用全局形状模型来匹配人脸初始形状,再利用局部灰度模型来调整特征点位置从而以较高的精度匹配轮廓边缘。但是不足之处在于局部灰度模型利用的只是局部信息,如果初始形状的位置偏移太大,或者边缘有太多的干扰因素如图像质量、光照条件等因素,会导致局部匹配,影响最终结果的准确性。对此,本文主要对基于尺度不变特征变换(Scale-invariant Feature Transform以下简写为SIFT)的特征匹配算法做了深入研究,鉴于SIFT特征受光照、旋转等干扰因素的影响极小的特性,同时在多尺度空间下提取SIFT特征相对更加的精确。我们做了不同条件下的SIFT特征提取实验,发现该特征提取方法的效果良好。因此尝试着采用ASM的全局形状模型上的关键特征点的SIFT特征向量来做进一步的人脸轮廓精确匹配。同时本文还研究了Gabor特征的一些特性,试着采用基于Gabor特征的方法来取代局部灰度信息,达到减少其他干扰因素的影响的目的,提高搜索匹配的准确性。