人臉跟蹤和特征提取是人臉識別和機器視覺的關鍵技術。主動形狀模型（Active Shape Model，ASM）是由Cootes等人于1995年提出的一種基于點分布模型算法，已經被廣泛應用于單幅人臉或視頻流的人臉特征提取和跟蹤。ASM基于統計方法，將一系列人臉圖像進行標點訓練得到原始形狀向量，再進行對齊操作和PCA分析建立形狀建模。其中需要設置形狀模型參數，約束其變化范圍，確保模型能適應目標形狀的不確定性。

　　ASM模型的初始化過程非常重要，如果不能準確定位目標圖像中的人臉位置，后續的ASM搜索過程將會失敗。傳統人臉檢測技術包括基于膚色、Harr特征等方法，大多局限于良好背景、均勻光照和人臉無遮擋等約束環境，無法檢測視頻流中快速頭部移動的人臉。為了自動確定跟蹤目標，本文方法僅視頻流的第一幀利用人臉自動檢測捕獲目標，獲得人臉位置、大小和旋轉等參數，并將人臉的位置作為粒子濾波人臉跟蹤算法的初始化窗口。此后采用粒子濾波方法定位特定目標的人臉位置，以檢測并跟蹤復雜背景、光照變化、局部遮擋，以及快速移動的人臉圖像。

　　ASM大多采用PCA方法建立形狀模型，需要大量數據集構建特征墓。但利用傳統PCA不能準確定位復雜狀況下的人臉目標，且無法適應目標特征的最新變化。本文采用遞增PCA（lncremental PCA，IPCA）方法構建更新特征空間，保持目標模式的最新表達，以適應目標本身的變化和周圍環境的改變，實現復雜環境下的人臉特征點跟蹤。

　　本文后續部分將依次介紹ASM方法，基于IPCA的ASM人臉跟蹤方法和自適應粒子濾波人臉跟蹤技術，描述驗證實驗，討論改進ASM方法的實驗效果。