机器学习实践系列之4-人脸对齐（下）

       基于形状模型的方法 主导了早期的人脸对齐思路， 这类方法 从局部特征中搜索关键点，对噪声比较敏感，CLM类（包括ASM、AAM）方法是这一类的典型代表。

       在这一节，讲一下人脸对齐的一个重要算法 ESR，之所以重要，是因为 ESR开启的回归方法 －回归方法是对形状模型改进的一个重要方向。

       ESR 之后，有两个著名算法，1ms 和 3000FPS（业内的简明叫法），已得到广泛应用。

• ESR

       ESR算法来自 MSRA的曹旭东等，全称是 显式形状回归（Explicit Shape Regression），ESR并没有用PCA去约束形状模型，其核心在于回归。

       ESR关键点之一：两级回归模型

1）Boost回归

     这是一种提升型回归，将若干 弱回归器 （R0，R1，R2……）通过叠加的方式进行组合，对于给定的人脸样本 I，得到：

           S(t) = S(t-1) + Rt ( I, S(t-1) )

     回归器 Rt 由上一个形状 S(t-1) 训练得到，并对上一个形状 S(t-1) 进行修正，得到新的形状参数 S(t)，示意描述为：