关键点检测是三维人脸识别过程中非常重要的一步，为了提高关键点检测的准确度，提出了一种多特征相结合的三维人脸关键点检测方法。首先对训练集中的三维人脸手工标记关键点，计算三维人脸上每一点的不同特征值，得到每类关键点关于每个特征的均值和方差，其次对关键点和非关键点上的特征进行线性判别分析，得到与每个关键点相关的分值加权向量，将前面得到的均值，方差以及分值加权向量作为线下训练的结果输出。最后对于一个输入模型，结合线下训练的结果得到每个关键点的候选点，利用这些候选点构建人脸结构模型。再根据绝对距离约束，相对位置约束，FLM模型一致性分类，自旋图描述符等方法确定最终的关键点。实验部分，从CASIA-3D FaceV1和FRGC V2.0数据库中选不同姿态，不同表情，姿态与表情混合的三个数据集，对其进行关键点检测。实验结果表明，不同姿态的检测率为94.5%，不同表情的检测率为94%，和其他文献相比，检测率平均提高了20%，并且有着较高的运算效率。

为提高红外零位走动量测量精度，针对测量过程中相机姿态变化误差引起的图像定位精度不高问题，提出了一种CCD相机姿态小角度变化自适应补偿方法。通过理论分析，推导出相机姿态解算公式，建立了CCD相机姿态解算数学模型，然后基于某型红外瞄具零位走动量测量系统，分别针对三种相机姿态，对瞄具分划线在参考坐标系中的坐标进行了对比实验。结果表明，测量精度优于0.01 mil，能减小相机倾斜对红外瞄具零位走动量测量带来的误差，为提高零位走动量测量精度提供了一种相机姿态自适应补偿的新方法。

为满足红外瞄具零位走动量数字化、高精度的检测需求，设计了基于电荷耦合器件(CCD)机器视觉技术的红外瞄具零位走动量检测系统。提出一种新的零位走动量检测模型，依据检测系统的技术指标及要求，设计了离轴抛物面反射式准直光学系统及针孔靶。为减小由相机倾斜引入的测量误差，建立了相机姿态自适应校正模型，并首次将其应用于零位走动量测量中。设计了图像判读软件，采用重心法对靶标中的圆斑中心进行定位，利用泽尼克矩的旋转不变性，对边缘像素点进行细分。成功研制了一台样机，加工装调后进行了测试实验，结果表明，系统的不确定度优于0.02 mil，能有效避免由相机倾斜引入的测量误差，满足红外瞄具零位走动量数字化、高精度测试要求。

根据红外瞄具零位走动量高精度测试需求，提出了一种基于相机姿态自适应数学模型的红外瞄具零位走动量测量方法。设计了一种相机姿态自适应修正新算法，建立了相机姿态修正模型，并将其应用于零位走动量测量,克服了由于CCD相机倾斜引起零位走动量测量误差的难题。基于图像判读技术，采用重心法对针孔靶及瞄准分划图像进行定位，利用Zernike矩不变性质实现边缘点的亚像素细分。构建了实验系统，经实验验证，测量精度优于0.02 mil(1 mil=0.254 cm)，满足红外瞄具零位走动量的高精度测试需求。