人脸信息作为一种重要的生物识别特征,在学术界和工业界一直都被广泛关注和使用。近年来,计算机视觉领域在较高理论水平的基础上,硬件水平也得到迅猛发展,使得人脸检测以及更精细化的人脸特征点检测的速度和准确率也迅速提升。基于面部的增强现实应用以注册的面部信息为基础,在真实场景下的面部信息上利用相关技术叠加虚拟效果,其中人脸特征点检测是拟合过程中重要的研究基础,这一领域在现有应用中也有人脸化妆等诸多场景。当前,人脸特征点检测算法的定位精度、效率以及拟合实现效果等仍需提升,无论是电商销售平台的试戴效果还是美颜相机中的化妆效果,都需要逐步实现从约束条件到无约束条件的过渡。因此本文针对具有头部姿态、人脸表情变化较大和背景复杂等特性的面部增强现实应用场景进行分析和研究,完成具体到“影视剧替身”这一场景的实现效果。在详细分析这一场景特性的基础上,本文的主要工作有以下两方面:1.提出了一种基于级联回归框架改进的方法——CPR-LADF算法,解决人脸特征点检测算法输出结果受头部姿态变化和复杂背景的影响较大的问题,提升了算法的鲁棒性并在一定程度上提高了算法速度。在提取特征的过程中,本文采用了一种像素差特征的变体特征,该特征相对于像素差特征更加稳定,在头部姿态和人脸表情变化较大时,相对比于其他基于级联回归框架的FPS3000等算法有更好的输出结果;在训练随机森林模型的过程中,本文以3-6个特征点为顶点组成局域,在局域内随机选择参考点求其均值,再将均值做差作为分裂特征,对每个特征点建立随机森林,通过多次迭代输出每一阶段的人脸形变量,逐步优化随机森林模型,然后利用全局线性回归和多模型融合获取输出结果,最终准确定位人脸特征点。2.实现了“影视剧替身”应用场景的AR效果通过上述算法的改进增强了无约束条件下的人脸特征点的检测效果,在具有复杂背景等特性的“影视剧替身”场景下实验了AR换脸效果,该研究成果能够较好的实现虚实融合的效果,这在一定程度上开拓了影视剧行业现存问题的解决思路,例如明星出场费过高、制作成本分配不合理等等。同时也可以带给用户更佳的观影体验,有较大的深入研究和应用价值。最后本文给出了实验方案并进行分析,本文改进的人脸特征点检测算法在算法鲁棒性和检测速度上都有一定程度的提升,同时对于无约束的基于面部信息的增强现实应用来说也有一定的促进作用。