參考文獻：

Kazemi V, Sullivan J. One millisecond face alignment with an ensemble of regression trees[C]//Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014: 1867-1874

簡介

CVPR 2014的一篇關於人臉關鍵點檢測的論文，基於Ensemble of Regression Tress演算法(以下簡稱 ERT)，速度極快（單人人臉關鍵點檢測耗時約為1ms），效果也不錯。同時又能處理訓練集中部分關鍵點標定缺失的情況。

dlib 庫中(http://dlib.net/)，有這個演算法的完整實現，包括訓練和測試部分。

有paper，有code，對我們這些搞演算法的底層人員，真是再happy不過了。

演算法介紹

LBF（Face Alignment at 3000 FPS via Regressing Local Binary Features）這篇論文也是基於Tree的人臉關鍵點檢測演算法。LBF是基於Tree的方法，學習每個關鍵點的區域性二值特徵，然後將特徵組合起來，使用線性迴歸檢測關鍵點。與 LBF 不同的是， ERT 是在學習 Tree的過程中，直接將 shape 的更新值 ΔS存入葉子結點 leaf node. 初始位置 S

用公式來表示：
S^t+1=S^t+rt(I,S^t)

其中 t 表示級聯序號，rt(∙,∙) 表示當前級的迴歸器regressor。迴歸器的輸入引數為影象 I 和上一級迴歸器更新後的 shape , 採用的特徵可以是灰度值或者其它。

為了訓練每一級的 rt， 文章採用了 gradient tree boosting演算法減小 initial shape 和 ground truth 的平方誤差總和。

每個迴歸器由很多棵樹(tree)組成，每棵樹引數是根據 current shape 和 ground truth 的座標差和隨機挑選的畫素對訓練得到的。具體演算法可詳見論文（我還沒有完全理解清楚）。

總結

跑過dlib程式碼後，使用預設引數，基本能夠重現論文結果。不像LBF演算法，無論怎麼調參也很難達到論文中的結果。

速度跟LBF是一個數量級，精度也與SDM稍好一些，缺點就是模型稍大了些（基於隨機樹的演算法似乎都是這樣）。

後續還要進一步研究演算法和論文。