机器学习经典快速回顾（一） 人脸关键点定位传统方法

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）。
1 . ASM
ASM (Active Shape Model)：通过形状模型对目标物体进行抽象
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／心脏等几何形状可以通过若干landmarks的坐标依次串联形成一个形状向量．

ASM训练＋搜索

２．AAM
AAM(Active Appearance Model) 将形状和纹理融合为外观模型
Appearance = Shape + Texture

3 . CLM
CLM 是有约束的局部模型( Constrained Local Model), 也是通过初始化平均脸的位置，然后让每个平均脸上的特征点在其领域位置上进行搜索匹配来完成人脸点检测．　ASM也属于CLM的一种

４ . SDM
提出的背景是更好地解决了非线性优化问题