人脸对齐是指从输入的人脸图片上获取人脸各关键点位置。人脸对齐问题是计算机视觉领域的一个重要问题,许多与人脸相关的应用,如人脸识别、表情识别、人脸跟踪等,往往依赖人脸对齐的结果。最近几年里,许多人脸应用从实验室走向市场,出现在我们日常生活中,人脸对齐技术在这些应用背后发挥着重要作用。因此,无论从理论上,还是工程实践上,人脸对齐技术都非常重要。大部分人脸对齐算法都是为彩色图像而设计的。彩色图像具有获取简单、成本低廉、研究积累丰富等优势。与彩色图像相比,深度图像提供了完全不同的信息。在深度图像中,每个像素值代表了场景中该点与深度摄像机之间的距离。近年来,随着Kinect的出现,越来越多的研究者把目光投向深度图像。然而,在深度图像上进行人脸对齐的研究还比较少,将深度图像与其他信号结合进行人脸对齐的研究则更为少见。我们认为,深度图像所提供的信息,与彩色图像和红外图像所提供的信息非常不同,将两者结合能发挥各自的优势,在人脸对齐问题上取得更好的结果。因此,本文探索了将红外图像与深度图像结合进行人脸对齐的可行性。我们在Cascade Shape Regression这类人脸对齐模型的基础上,通过对深度图像进行特征提取,对红外特征、深度特征进行特征选择与融合,有效地将两者提供的信息结合起来。实验结果表明,两者的结合能有效发挥两种信号的特点,最终得到比单独使用其中任何一种信号更好的结果。我们还把该算法应用到了视频疲劳驾驶检测之中,验证了该算法在实际问题上的有效性。