葛其睿，张荣国，胡 静，刘小君(.太原科技大学计算机科学与技术学院，太原 03004；.合肥工业大学机械与汽车工程学院，合肥 30009)

随着人脸识别[1]在日常生活应用领域不断扩大，如出入境检查、门禁系统、奥运安检以及机场的安检等方面，在日常生活许多公共场合的电子监控中，智能寻找目标人物，基于相关人脸信息的轮廓提取使用愈加频繁。轮廓提取方法的优劣直接影响着人脸图像的分析、相关匹配和跟踪。

关于目标轮廓提取方法的探索中，蛇形方法[2]、活动轮廓线方法[3]、可形变模型以及水平集方法[4-5]等曲线边缘演化方法可以很好的分割出目标图像中的目标。参数化的snake模型与目标模型直接交互，分割过程简便快捷，对于目标图像的拓扑变化处理效果差。在随后发展的基于变分和水平集方法的活动轮廓分割模型典型代表就是CV[6]模型，它能有效处理演化曲线拓扑结构的变化，并能够将区域信息和边界信息结合在一起，数值求解的时候水平集函数采用隐式迭代方法，相对于显示迭代方法，水平集的数值较稳定。然而CV模型在处理有遮挡图像或数据丢失的图像目标分割时效果不理想。

Tony Chan[7]等在CV模型基础之上，提出了结合先验形状知识[8-14]对图像进行分割处理的可形变模型，通过引入的先验形状信息，被遮挡、背景与目标灰度相似或数据缺失的目标能够分割出满意的结果。但在该模型中，先验形状只具有旋转、缩放和平移不变性，对于发生剪切或在X、Y方向有不同拉伸系数的目标，该模型的分割效果较差。……