Cascaded pose regression

最近再看face alignment的相关文章，目前比较流行的算法都是基于(Cascaded pose regression，CPR）[1]的框架上做的，该算法之所以流行的原因是简单高效。CPR分为训练和检测两个部分，首先介绍检测流程：

face alignment的目的是估计向量face shape，该向量由组成，其中K表示landmark的个数，由于每个landmark有横纵两个坐标，将所有的坐标连接起来构成长度为2K的向量即face shape。CPR检测流程如上所示，一共有T个stage，在每个stage中首先进行特征提取f^t,这里使用的是shape-indexed features，也可以使用诸如HOG、SIFT等人工设计的特征，或者其他learning based features，可以通过查阅最新的cvpr文章进行了解，然后通过训练得倒的regressor R估计得到upadate vector 即增量ΔS，把ΔS加到前一个stage的shape上得到新的shape，这样通过不断的迭代即可以得到最终的shape。我感觉直白一些就是说通过不断的递归，使初始的shape朝着ground truth shape不断的靠近。

接下来是训练流程

首先是输入，N表示样本的个数，I表示图像，Si表示ground truth shape，剩下的那个参数表示initial shape，这个shape如何选取呢？从training data中随机的选取20个其他人脸的ground truth shape作为样本的initial shape 则训练样本的数量=原有的样本个数×20，即data augmentation 目的是为了enlarge training data和improve gengeralization ability。

接下来开始训练，每个stage中对于每个样本先通过ground truth shape与当前的shape相减计算得出ΔS，在第一个stage时，当前的shape为initial shape，然后进行特征提取得倒f^t，之后通过loss function选择误差最小的regressor，如何建立regressor和ΔS，就需要看paper了，比如SDM，LBF，ERT等等，我会在之后的博客中分享。

最后利用特征f^t 和regressor得倒ΔS加到上一个stage的shape上得到当前stage的shape，然后用于下一个stage的求解。

通过T个stage的训练将所有的regressor保存起来用于检测。

由上可以看出CPR中主要的操作是向量相加，不仅有效而且计算复杂度较低，所以近年来在face alignment中广泛应用。

参考文献

[1]Dollár, P., Welinder, P., Perona, P.: ‘Cascaded pose regression’. Proc.
IEEE Conf. Computer Vision and Pattern Recognition, 2010