用深度學習檢測面部特征

　　也許你很想了解，如何在實時視頻聊天中，檢測對方的面部情緒。我將向您展示一種利用深度學習技術與傳統(tǒng)技術結合的方法。

　　過去的挑戰(zhàn)性任務是檢測面部及其特征，如眼睛、鼻子、嘴巴，甚至從輪廓中識別情緒。這個任務現(xiàn)在可以通過深度學習來解決，任何有才華的少年，都可以在幾個小時內完成。

　　▍受限局部模型（CLM）

　　如果你像我一樣，需要執(zhí)行臉部跟蹤（我將一個人的手勢從網(wǎng)絡攝像頭轉移到一個動畫角色），你可能會發(fā)現(xiàn)，最好的算法之一是受限局部模型（CLM）。

　　如由Cambridge Face Tracker或其較新的OpenFace化身所實現(xiàn)的。這是基于將檢測任務，分解為動態(tài)形狀模型（ASM）和動態(tài)外觀模型（AAM），并且使用預訓練的線性SVM（支持向量機）算法來改進檢測。

　　它首先粗略地估計關鍵點位置，然后對包含臉部和調整關鍵點位置的預先訓練的圖像應用SVM。這是循環(huán)的，直到我們識別的髠錯誤足夠低。

　　此外，值得一提的是，它假定圖像上的臉部位置已經(jīng)被預訓練，例如通過使用Viola-Jones檢測器（Haar cascades）。