个体的生物特征信息具有很强的独特性，是区分不同个体或者是不同物种的关键信息，所以，生物特征信息通常用来作为物种聚类和个体识别的信息基础，在模式识别中具有重要的作用。人脸特征信息具有很好的易观察性，是辨别不同个体最重要的信息依据。在人体众多特征中，人脸特征信息最直接也最容易呈现在人们的视野中，人类也都是通过人脸特征信息的不同来区别不同的个体。所以，对人脸特征信息的研究在人体特征领域中占有最大的比重，与人脸有关的应用也越来越受到社会的推崇，最具代表性的就是人脸识别。而人脸特征信息的提取作为人脸识别中最为关键的技术步骤，所提取的人脸特征信息直接关系到目标对象的特征定位与匹配，因此，对人脸特征提取算法的研究具有深远的意义。本文以人脸特征为主要研究对象，深入理解并掌握一种经典的统计建模方法——主动形状模型(Active Shape Model, ASM),并对它进一步分析与研究。在对这个经典算法的再次实现过程中，认真解析算法的主要思想和不足之处，并在沿用算法的主流思想的同时，针对算法的缺陷提出改进算法，进而提高算法的鲁棒性和高效性。具体的研究工作有以下几点：(1)传统的主动形状模型（ASM）根据主成分分析获得形状主成分，再由平均形状模型对目标对象模型进行近似表达与匹配。然而，当目标对象的特征形状模型与平均形状模型相差较大时，匹配过程很难达到收敛，甚至匹配失败。因此，本文分析了传统匹配算法不足的基础上，提出了一种改进算法。这种算法从样本训练集中搜寻出与目标对象的形状模型最为接近的相似图像，并由相似图像的形状模型替代平均形状模型来进行匹配过程，这样就能避免因目标对象的特征形状模型与平均形状模型相差较大时而导致的匹配失败。(2)极坐标下形状轮廓点分布直方图（CPDH）将目标对象的轮廓信息映射到极坐标下的许多网格之中，并根据每个网格中的特征点数建立相对应的直方图，从而直方图信息直接反应了目标对象的轮廓特征信息。这种算法思想上比较容易理解，特征信息以直方图呈现也容易直接用肉眼区分辨别，此外，算法还能保持对目标的缩放及平移不变性。在轮廓特征的图像形状检索上，较CSS和FD算法有更好的检索精度。因此，本文将CPDH应用到人脸形状检索中，并用CPDH定义人脸相似图像，解决ASM模型中因目标对象的特征形状模型与平均形状模型相差较大而带来的匹配效果不理想问题。此外，针对人脸形状的椭圆性，本文也提出了CPDH的变形。