对于人脸美丽的研究，古今中外都有很多的可以量化的标准，使我们有理由相信人脸的美丽程度与人脸的生物特征存在着一些可定量的关系，所以本文试图通过对人脸的几何特征、纹理特征与人脸所产生的美观感受（称为美丽指数）之间的相关性研究揭示人脸美学的统计特性。　　首先我们给出了人脸几何特征的提取方法。其中包括利用人脸的肤色模型进行人脸区域的定位与分割；利用亮度信息和颜色信息对人面部的主要器官，包括眼睛、眉毛、嘴巴、鼻子以及下巴轮廓等特征的提取方法。特征的提取方法在特征定位准确的基础上还要满足我们对容貌美的评定和系统实时性的需要。　　其次我们给出人脸纹理特征的提取方法。其中主要用到Gabor滤波器对人脸的纹理特征进行提取，然后利用PCA技术对获得的人脸纹理特征进行降维，最后用降维后的特征来表示整个人脸。　　再次，我们对人脸的美学统计特性进行了定义，对获得的人脸各器官的几何特征进行整合，然后根据近年来美学研究领域当中比较权威和被广泛接受的标准对人脸美丽指数进行定义，并在我们使用的样本库上做出一定的实验结果。　　最后我们利用支持向量回归(SVR)技术建立了人脸纹理特征与人脸美丽指数之间的回归模型，然后通过回归模型对样本进行美丽指数的预测，分析了预测结果与我们之前通过多组人工打分获得的评分之间的相关性。　　本文对人脸美学的统计特性的研究结果以及在人脸美丽指数的自动化预测方面的试探性研究有望对人脸审美学以及人脸整形方面提供一些有益的启发。