Aktive formmodeller (ASM'er ) er statistiske modeller af formen på objekter, der gentagne gange kan deformeres for at passe til objektet, der er til stede i det nye billede. Disse modeller blev udviklet af Tim Kutes og Chris Taylor i 1995 [1] . Formerne er begrænset af punktfordelingsmodellen modellens , således at modellen kun kan ændres inden for mærkede eksempler fra træningssættet. Objektets form er repræsenteret af et sæt punkter styret af modellens form. Målet med ASMs algoritme er at matche modellen til det nye billede. Algoritmen består af to alternerende handlinger:
For at finde den bedste position for hvert punkt, kan du kigge efter skarpe kanter, eller du kan matche den statistiske model med, hvad der forventes for et givet punkt. Den oprindelige metode involverer at bruge Mahalanobis-afstanden til at beregne den bedste position for hvert vartegnspunkt [1] .
Denne metode er meget brugt til analyse af ansigtsbilleder, mekaniske samlinger og medicinske billeder (i 2D og 3D).
Den aktive formmodel er tæt forbundet med udseendemodel Den er også kendt som "smart slange"-metoden [1] , da den er analog med den aktive konturmodel , under hensyntagen til eksplicitte formbegrænsninger.