人脸识别技术是一种通过提取人的脸部表观信息去进行识别身份的生物识别技术,是在计算机领域被广泛研究着的热点问题,并在社会和大众生活中得到广泛地应用。人脸的特征点定位在人脸的分析和识别技术中占有举足轻重的地位,同时也是人脸表情识别、人脸建模检索、人脸核身等其他一些人脸相关领域的基础和前提。人脸特征点定位过程较为复杂,特别是在外界环境不确定下的影响,例如肤色明暗、姿态变化、光照强弱以及遮挡等,传统的人脸特征点检测算法精度会发生下降。同时,相对于静态的人脸特征点检测问题,在视频环境下的人脸特征点检测与跟踪更加具有挑战性。所以,在动态环境下,对人脸特征点通过检测或跟踪技术进行精准定位非常值得深入研究。因此,本文的研究工作有如下几方面:1.深入学习了基于级联形状回归的人脸关键点检测算法,在此基础上设计双层级联回归结构,增加回归算法的稳定性。引入梯度提升回归树算法,用结构简单的决策树构成弱回归器,将真实值和预测值的残差作为迭代的拟合,加快了迭代速度,有效地提高了算法的精度。2.针对基于梯度提升树算法重点关注数据的快速拟合,可能会导致预测过拟合,采用高斯过程回归算法代替梯度提升树算法。由于在高斯过程与决策树算法结合中,常见的核函数与之并不匹配,自行设计特殊的核函数,将输入间的距离抽象为是否落入同一决策树叶节点,降低训练和预测的复杂度。根据核函数的特殊性,设计三层级联回归结构的算法,用多棵决策树结合核函数对形状回归,高效地提高了定位精度。3.针对在视频中的动态环境下对人脸特征点进行定位,采用检测-跟踪的方法,利用基于核相关滤波的算法对人脸进行跟踪,加入多尺度检测解决跟踪算法固定模板的问题。对于长期跟踪会出现的跟踪漂移问题,设计跟踪校验系统,并利用局部检测代替全局检测,减小系统开支,使得人脸特征点跟踪系统可以实现实时且精准的定位。