人脸特征点定位技术为人脸图像处理与分析提供重要几何信息,是计算机视觉、图像分析和模式识别领域经典课题之一.以主动外观模型(AAM)为代表的传统面部特征定位算法易受人脸姿态和表情变化等影响,很难得到理想效果.以传统特征点定位模型为出发点,引入稀疏矩阵表示人脸特征基底,将K-SVD算法更新稀疏矩阵应用于高斯-牛顿形变部件模型(GN-DPM)的基底表示中,对传统形变部件模型进行改进.在此基础上,更新新模型的拟合优化算法,以提高传统形变部件模型的精确度.实验结果表明,采用该方法进行人脸特征点定位比现有的快速主动外观模型(Fast-AAM)具有更低的误差率.