基于级联形状回归框架的人脸特征点对齐方法总结

最近看了一篇中科院计算机技术研究所大神张杰写的一篇博文，想把其中的知识点总结起来方便自己查阅的同时也能方便大家参考。基于级联姿态回归的方法是近几年人脸特征点对齐研究中比较有效的方法。始于2010年的一篇CVPR文章 ，由加州理工学院从事博士后研究的Piotr Dollar 首次提出级联形状回归模型 CascadePose Regression(CPR) 来预测物体的形状。 

   对于人脸特征点的对齐问题，可以把它看成是一个从人脸的表观到人脸形状（由人脸的特征点组成的向量）的回归过程，通过不断的迭代直到回归到最优的特征点位置上。
级联姿态回归的一般框架：
                                                                    S=F（I）； 

   S是最后输出的形状，F（·）是总回归函数，I是输入的图像，则级联回归模型可以统一为如下的框架：通过学习多个回归函数{f1,f2