杨 韬， 孔 军,2

(1.江南大学 轻工业先进过程控制重点实验室，江苏 无锡 214122；2.新疆大学 电气工程学院, 新疆 乌鲁木齐 830047)

0 引 言

人脸对齐的目的是从人脸图像或视频中定位出诸如眼睛、鼻子、嘴巴等面部特征点，具有广泛的应用前景。但是在现实中，由于人脸形状的多变性，及姿态、不同人脸检测结果等因素的影响，人脸对齐问题仍然面临巨大挑战。

近年，人脸对齐问题的研究取得了很大进步。在诸多算法中，级联形状回归算法作为主流算法而不断被研究改进。Cao X等人[1]提出的显式形状回归(ESR)，通过学习一系列人脸形状回归量，控制人脸由初始形状逐步收敛于目标真实形状，但该算法对噪声十分敏感，且需要存储大量的形状回归量。Ren S等人[2]随后提出了对于每个面部特征点编码局部二值特征(local binary feature,LBF)，提高了对齐速度与精度，但该算法很容易受不同人脸检测器的影响，同时对于较大人脸姿态的鲁棒性不强。

本文在原始LBF算法的基础上进行改进。首先，在特征点相关子区域设计了一种相对索引特征代替形状索引特征;同时提出了一种空间依赖假设，结合相对索引在每个依赖区域进行联合线性回归，最后以实验的方式比较本文的算法与原始的LBF算法，包括对齐表现(精度比较)和算法的鲁棒性(敏感性分析)。

1 级联形状回归

给出一张人脸图像I，人脸对齐问题可以看作由一个包含M个面部特征点的形状S通过迭代的方式最终收敛到目标真实形状的过程

(1)

级联形状回归算法通常从一个初始形状S0开始，可以是取自所有训练样本的平均形状，然后通过T个回归器(R1,R2,…,RT)以级联的方式逐渐修正形状估计。……