مدل ظاهر فعال یا Active appearance model توسط کوتس و سایر همکارانش در سال 2001 معرفی شده است . این روش، راهکار ASM را با نگه داشتن اطلاعات شکل و بافت به صورت هم زمان، توسعه می دهد. در جزییات این روش باید بیان نمود که ASM در ابتدا به صورت یک مدل آماری مبتنی بر داده های آموزشی برای آنالیز آماری طراحی شد. سپس از این مدل آماری برای پیاده سازی محاسبات مناسب برای تست داده ها استفاده شد. بر خلاف AAM ،ASM که تنها از مزیت اطلاعات بافت و شکل سراسری استفاده می کنند، می توان از آنالیز آماری بر روی اطلاعات بافت محلی برای یافتن روابط بین اطلاعات یافت و شکل استفاده نمود. چوئن و سایر همکارانش یک روش FER را با استفاده از AAM تشخیص دهنده و یادگیری چند شاخه ای پیشنهاد نمودند. اختلاف پارامترهای AAM بین تصاویر ورودی و تصاویر مرجع به منظور استخراج ویژگی های تشخیص دهنده AAM محاسبه می شوند. سپس روش های یادگیری چند ویژگی های تشخیص دهنده AAM محاسبه می شوند. سپس روش های یادگیری چند شاخه ای برای تعبیه کردن DAF ها در فضای ویژگی های متوالی و هموار، مورد استفاده قرار می گیرند. در نهایت حالت چهره ورودی شناسایی می شود. در سال های اخیر، نسخه های بسیار زیادی از AAM ها توسعه یافته اند که شامل روش های AAM مبتنی بر هیستوگرام مبتنی برگرادیان AAM، (HOG) مبتنی بر تراکم و AAM مبتنی بر رگرسیون است. بررسی کارایی این روش های جدید توسعه یافته از اهمیت بالایی برخوردار خواهد بود.