受限局部模型在人脸特征点定位中应用综述

摘要 人脸特征点定位（又称人脸对齐）的目标是定位出人脸图片中可以描述人脸部件的特征点，如眼角、鼻尖、嘴角等.受限局部模型（Constrained Local Models）是一类重要的人脸特征点定位算法，其拟合过程通常可以形式化为两步：首先使用局部检测器扫描图片，为每一个人脸特征点生成一张响应图；然后基于响应图优化一个全局人脸形状模型，从而得到人脸形状（即所有人脸特征点）的一次更新.文献中的受限局部模型默认使用主成分分析（PCA）法建立参数人脸形状模型；而非参数形状模型如基于样本（exemplar-based）的方法虽然也被成功的应用于人脸特征点定位，但却没有被纳入受限局部模型的范畴.在这样的背景下，本文的贡献主要有3点：1）成功将基于参数（PCA-based）和非参数（exemplar-based）人脸形状模型的方法统一到概率形式的受限局部模型的框架之下；2）在3个公开的数据集LFW、LFPW、HELEN上汇报了几种典型的参数和非参数受限局部模型的性能；3）总结并讨论了参数和非参数受限局部模型的优缺点，如基于PCA的参数模型拟合速度更快，而基于exemplar的非参数模型精度更高