作为人脸识别、表情分析、人脸3D重构等重要任务的基础,人脸特征点定位课题受到了研究者的广泛关注并取得了巨大的进展,其中级联姿态回归算法在受控条件(例如,光照良好、无遮挡、正面人脸)下取得了接近人类水平的特征点定位准确度,然而,当人脸被墨镜、口罩、头发等物体遮挡时,其特征点定位准确度出现大幅度的下降。级联姿态回归算法依赖于良好的初始人脸形状和表示能力强的形状索引特征,遮挡一方面会降低人脸检测的精度进而影响到级联姿态回归算法的初始人脸形状,另一方面会破坏人脸的部分图像特征进而给级联姿态回归算法的形状索引特征带来噪声。针对上述问题,本文从级联姿态回归算法的初始人脸形状和形状索引特征两方面进行研究,提高初始人脸形状的质量并降低遮挡给形状索引特征带来的噪声,最终有效地提高了级联姿态回归算法在遮挡条件下的特征点定位准确度。本文的工作概括如下:(1)针对人脸遮挡导致级联姿态回归算法的初始形状误差较大的问题,提出了一种基于五点估计和纹理相似度的形状初始化方法。为了降低初始形状的误差,本文利用遮挡的局部性质,采用先局部后整体的人脸形状初始化方法,首先基于MTCNN估计出人脸五个关键点(双眼中心、鼻尖和左右嘴角)的位置,根据五点位置将整个人脸划分为四个局部区域(左眼、右眼、鼻子和嘴巴),然后对每个局部区域分别进行形状初始化,并粗略估计每个局部区域被遮挡的程度,最后基于每个局部区域被遮挡的程度在训练集中找到最相近的人脸形状作为初始形状。本文在COFW数据集上的实验结果表明,与常用的随机形状初始化方法相比,本文方法将初始形状误差由16.13%减小至8.61%,并将最终的特征点定位误差由8.68%减小至6.74%。(2)针对人脸遮挡给级联姿态回归算法的形状索引特征带来噪声的问题,提出了一种基于特征点遮挡概率的自适应形状索引特征。被遮挡特征点的局部纹理特征被遮挡物体的纹理特征所取代,将遮挡物体的纹理特征作为特征点的局部纹理特征将会损害级联姿态回归算法的特征点定位性能。为了减小遮挡给形状索引特征带来的噪声,本文为每一个特征点的局部纹理特征赋予一个基于遮挡概率的自适应权重,遮挡概率越大则权重越小,使得级联姿态回归算法更多地依赖于没有被遮挡的特征点的纹理特征,减小了遮挡带来的噪声。另外,为了利用未被遮挡特征点的位置信息帮助被遮挡特征点定位到更为合理的位置,本文在级联姿态回归算法的每次迭代过程中利用人脸形状字典对包含噪声的人脸形状进行稀疏重构,一定程度上修正了误差较大的特征点的位置,提升了级联姿态回归的特征点定位准确度。本文在COFW数据集上的实验结果表明,与没有赋予自适应权重的传统形状索引特征方法相比,本文方法将特征点定位误差由6.74%减小至6.58%,经过人脸形状字典的修正之后特征点定位误差由6.58%进一步减小至6.24%。