用深度学习检测面部特征

　　也许你很想了解，如何在实时视频聊天中，检测对方的面部情绪。我将向您展示一种利用深度学习技术与传统技术结合的方法。

　　过去的挑战性任务是检测面部及其特征，如眼睛、鼻子、嘴巴，甚至从轮廓中识别情绪。这个任务现在可以通过深度学习来解决，任何有才华的少年，都可以在几个小时内完成。

　　▍受限局部模型（CLM）

　　如果你像我一样，需要执行脸部跟踪（我将一个人的手势从网络摄像头转移到一个动画角色），你可能会发现，最好的算法之一是受限局部模型（CLM）。

　　如由Cambridge Face Tracker或其较新的OpenFace化身所实现的。这是基于将检测任务，分解为动态形状模型（ASM）和动态外观模型（AAM），并且使用预训练的线性SVM（支持向量机）算法来改进检测。

　　它首先粗略地估计关键点位置，然后对包含脸部和调整关键点位置的预先训练的图像应用SVM。这是循环的，直到我们识别的髠错误足够低。

　　此外，值得一提的是，它假定图像上的脸部位置已经被预训练，例如通过使用Viola-Jones检测器（Haar cascades）。