随着增强现实技术在医学领域的发展,体表投影法在微创手术中得以应用,此方法的关键技术之一是对医生的头部进行精确的定位,以对医生视觉范围内的图像进行实时显示。目前有关头部的定位技术有很多,但这些技术在准确性、实时性以及鲁棒性等方面较差,实际应用中有着诸多缺陷,因此,本文从人脸检测、特征点提取和头部定位建模三个方面出发对头部定位技术进行优化改进。首先,针对戴口罩的人脸设计了一个基于RGB-D图像结合Ada Boost的人脸检测算法。使用Kinect相机获取RGB图像和Depth图像,通过Depth数据分割出RGB图像中可能存在的人脸区域并二值化图像,对二值化后的图像做中值滤波和形态学开闭运算处理,设置矩形框大小来筛选出候选人脸区域,使用该候选区域进行Ada Boost人脸检测,得到了比传统Ada Boost算法更高的检测率。其次,针对使用CLM算法对特征点进行实时定位过程会出现定位不准确和特征点消失的情况,提出了基于卡尔曼滤波器的特征点实时定位算法。在人脸检测标记出的矩形框区域内使用CLM算法对人脸进行特征点定位,并引入卡尔曼滤波器来追踪特征点的轨迹,对追踪过程中量测值和观测值的匹配问题给除了匹配方法,获得的特征点比单独使用CLM算法时有更好的连续性和更高的准确率。最后,为了验证头部定位结果的准确性,使用Bi Wi Kinect数据集作为测试图像并设计了一个实验方法。选取左右瞳孔和鼻尖点三个三维特征点建立几何模型来计算头部的旋转度信息Yaw、Pitch、Roll,以三个点所在平面的法线作为视角向量计算得到头部的平动信息X、Y、Z。对于不戴口罩的人脸使用Bi Wi Kinect数据集进行验证,对于戴口罩的人脸用设计实验方法进行验证,得出本文算法对于有口罩人脸的头部定位有较高的准确率和较好的实时性。