实用的自动人脸识别系统至少应该包含人脸检测、关键特征点定位、特征提取以及分类算法的几个步骤。目前阻碍自动人脸识别技术真正实用化的瓶颈问题还很多,包括姿态问题、表情问题、光照问题等等。面部关键特征点的精确定位和配准是解决这些问题的基础。本文分析比较了几种常见的人脸关键特征点定位技术原理和特点,重点研究了经典ASM算法建立过程,编写了ASM算法MATLAB程序,在中国科学院人脸数据库正面人脸子库中选取训练样本,建立ASM全局形状模型和局部纹理模型。通过实验,分析比较了单分辨率的ASM搜索算法和多分别率的ASM搜索算法,总结了影响经典ASM算法性能的主要因素和算法的主要不足。简述了近几年出现的ASM算法的改进方法,根据局部二值模式(LBP)对光照鲁棒性的特点,提出基于LBP的改进方法。实验表明基于LBP的ASM算法,对光照具有鲁棒性,同时也提高了定位正确率,但是增加了计算量,降低定位速度。本文首次提出了基于ASM的人脸脸型自动分类方法。该方法首先根据不同脸型的样本建立了脸型形状模型,再将ASM定位的人脸形状和脸型模型匹配,最后根据匹配程度采用最近邻聚类算法实现脸型识别和人脸分类。实验表明,该方法优于利用人脸轮廓曲率或下颌曲率的分类方法,能够充分挖掘人脸形状信息,分类结果稳定准确,可以有效提高大库人脸识别的速度和准确率。