人体行为分析是模式识别与计算机视觉领域研究的一个热点问题,近些年来吸引了越来越多的目光,取得了飞速的发展。人脸的姿态定位与关注行为分析以其重要的应用价值和较高的准确度,成为了行为分析领域发展最快的研究方向之一。通过模板匹配、机器学习、形态学特征、跟踪预测等方法确定的目标个体头部在三维空间中的角度信息,对安全监控、国防建设、信息社会、消费电子等国民经济的相关领域有着重要的意义。在现实应用中,我们经常面对的是标清单路摄像头拍摄的黑白或彩色视频,拍摄环境中强烈的光线变化、摄像器材造成的噪声与模糊、复杂多变的背景环境以及其所造成的人脸遮蔽等诸多问题使得精确人脸姿态定位算法的误差显著增大。本文研究的主要目的是设计一种对光线变化、噪声污染、复杂背景环境以及人脸遮蔽具有鲁棒性的精确人脸姿态定位算法。Histograms of oriented gradients(HOG)算子对图像细节特征的提取具有很强的鲁棒性,通过采用人脸图像的HOG特征作为SVR算法的输入向量,我们设计了分段HOG-SVR人脸方向定位算法,采用分段处理的方式,实现了精确的人脸姿态定位。为了解决遮蔽所造成的影响,我们利用HOG块的局部响应,实现了对人脸遮蔽区域位置的初步定位,并设计了分块Gaussian-HOG-SVR算法,对严重遮蔽状态下的人脸实现了准确的方向推定。实验表明本文提出的人脸姿态定位算法,在环境光线变化、低分辨率图像、噪声污染以及人脸遮蔽的情况下取得了非常精确地预测效果。最后我们在PC平台上完成了对本文所提出算法的仿真与实现。由于嵌入式平台处理性能的飞速发展以及智能算法逐渐向前端系统推进的趋势,我们对所提出算法的实现与复杂度做了基本的分析,并在TI OMAP3530嵌入式处理平台上建立了一套完整的算法验证系统。