人脸关键点检测总结

概述

人脸关键点检测也称为人脸关键点检测、定位或者人脸对齐，是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等。

人脸关键点检测方法大致分为三种：
- 基于模型的ASM(Active Shape Model)和AAM(Active Appearnce Model)
- 基于级联形状回归CPR(Cascaded pose regression)
- 基于深度学习的方法

ASM（Active Shape Model）算法

1. 概要

这是一种1995年提出的很老的关键点检测方法。ASM是基于特征点分布模型（Point Distribution Model,PDM）提取的一种方法。在PDM中，外形相似的物体，例如人脸、人手、心脏、肺部等的几何形状可以通过若干关键特征点（landmarks）的坐标依次串联形成一个形状向量来表示。

ASM跟大多数统计学习方法一样，也包括train和test两部分，也就是形状建模build和形状匹配fit。这个算法其实很简单，可以用来做实时性的检测。

步骤：
==人工标定训练集->对齐构建形状模型->搜索匹配==

2. 特征点标记

为了建立ASM，需要一组标有n个特征点的N幅人脸图象(包括多个人的不同表情和姿态)作为训练数据。特征点可以标记在脸的外部轮廓和器官的边缘，需要注意的是各个标定点的顺序在训练集中的各张照片需要一致。

得到特征点集，可以看做一个2n维的向量，n表示特征点数量：