机器学习实践系列之3 - 人脸对齐（上）

       人脸检测 早已比较成熟，传统的基于HOG＋线性分类器 的方案检测效果已经相当不错，我们也不再过多讨论，本节重点讨论人脸特征点对齐，特征点对齐主要应用在确定关键点的位置上，并进一步用于人脸姿态或状态的判断（用在辅助驾驶、疲劳检测、AR等）。

        

       下面介绍常用的人脸对齐算法：

• ASM

        ASM（Active Shape Model）是指主观形状模型，即通过形状模型 对 目标物体进行抽象。

        ASM 是一种 基于点分布模型（Point Distribution Model, PDM）的算法。在PDM中，外形相似的物体，例如 人脸、人手、心脏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。

       基于ASM的人脸 通常通过 标定好的68个关键特征点 来进行描述：

       ASM算法 分为 训练过程 和 搜索过程。

一. ASM的训练：

       1.1 搜集 T 个训练样本，样本数量根据需要（假定 T=100）

             注：样本只需要包含人脸图像即可，大小和方向不需要限定（后续可以归一化）。

       1.2 手动标记n个脸部特征点（假定 n=68）

             需要配合标定软件将结果坐标存到文本文档。

       1.3 构建形状向量

             将记录下来的坐标点，按照顺序连成向量，每一个样本 描述为一个向量：

             

       1.4 进行归一化和对齐（采用Procrustes方法）

             可以看作是通过简单的 平移、旋转、缩放ÿ