随着经济的飞速发展,物质文化生活水平不断提高,美容整形外科也迅速发展。越来越多的人通过整形美容改变自我、美化自我和重拾自信。面部整形是一项兼具高精度、高风险的临床治疗技术,为提高整形手术的效果和成功率,对人脸整形的研究也从认知心理学发展到计算机、人工智能领域。近年来,与人脸相关的处理技术受到了越来越广泛的关注,并取得了一定的研究成果,所以利用计算机人脸技术辅助医疗整形是具备可行性的,而且具有可观的应用前景。在进行面部整容之前,准确的嘴型分类是必备环节。传统的嘴型分类主要利用医生的肉眼观察进行区分,而肉眼观察存在很大主观因素,不同的医生由于不同的评价标准可能得到不一致的分类结果。此外,由于缺乏精确的测量数据也使得分类结果不具备充分的说服力。而利用计算机视觉相关技术对嘴型进行分类,具有操作简便,分类标准统一、推广性强等优点。本文将计算机视觉用于辅助医疗整形,将面部整形研究量化与自动化,并希望其在临床美容,整形与修复当中具有参考意义。首先,本文研究了一种改进型ASM(Active Shape Model)人脸特征点标定算法。ASM是人脸特征点标定的经典算法之一,但存在精度不够高的缺点。改进型ASM结合了SIFT描述子和MARS(Multivariate Adaptive Regression Splines)距离,充分利用SIFT描述子表征信息的能力和MARS快速匹配的效率,达到快速准确的人脸特征点标定。实验结果表明,该算法可对一定偏转角度的人脸图片实现比较准确快速的标定。其次,从嘴型分类的角度出发,研究并提出了一种新的方法用于嘴型分类。该算法在人脸特征点标定的基础上,建立嘴型模板,经过旋转、二值化等一系列操作形成归一化特征向量,通过样本图片指导BP神经网络训练权值从而实现分类。实验结果表明该算法可以实现比较准确的嘴型分类。最后,开发了基于ASM的人脸嘴型分类系统,软件平台为VS2008,OpenCV2.4.6,系统采用C++、OpenCV进行开发。该系统可以快速准确的完成图片的人脸特征点标定和嘴型分类两部分功能,实验结果基本符合临床医疗整形需求。该平台为进一步研究用于辅助医疗整形的眼型和脸型分类打下坚实的基础。