全文总字数：3940字

1. 研究目的与意义及国内外研究现状

随着手机、平板电脑等移动设备性能的提升，移动设备的智能化也成了学术界和工业界的研究热点。移动智能终端上图像传感器的性能提升给移动平台上的视觉应用提供了更好地条件支撑。移动终端的生物特征识别、表情分析、低频带下的视频通话、自然的人机交互等移动应用在人们生活中已经展露头角。这些应用都与人脸关键点的定位密切相关，如何在计算能力和存储能力受限的移动平台上快速稳定地实现人脸关键点的定位成为解决上述问题的基础和前提。

人脸配准是在人脸检测的基础上根据纹理信息以及关键点之间的坐标约束来定位出人脸关键点的坐标。人脸配准作为人脸识别工作的关键步骤有很广泛的应用：年龄估计，表情分析等。

国内外研究现状

近年来，国内外学者提出了多种人脸配准的方法，大体上可以分为两种：基于参数化模型的方法和基于回归的方法。

2. 研究的基本内容

本文研究了人脸配准的背景及应用，分析当前普遍使用的人脸配准方法。在级联姿态回归的基础上使用两级的级联回归，来解决该方法训练时收敛慢以及测试效果差的问题。选择合适的特征以及特征选择的方法，来减少计算的时间。更进一步实现该配准方法在安卓端的使用，并确保配准的实时性较强。

3. 实施方案、进度安排及预期效果

本文研究基于回归的人脸配准的方法基础上，分析单个弱回顾器配准效果差的原因，在此基础上参考了级联姿态回归的算法框架，更进一步采用了两级的级联回归来解决由于大量的训练样本中复杂人脸变化导致的其收敛慢的问题。由于本文的最终目的是实现该方法在安卓端的应用，所以在考虑配准准确率的同时，达到较高的实时性也是非常重要的。为了避免高维数据的计算，本文采用的基于回归的方法，回归器的输入输出分别是一系列的landmark坐标，特征提取方面采用了形状索引特征和基于相关性的特征选择方法，该方法能使得本文快速地提取到有效的特征。

安卓端的人脸配准为了达到较好的实时性，核心的算法由visual studio 实现，eclipse实现图像的采集和配准结果的显示，人脸的检测和配准均由配置好的ndk插件来调用c 源码实现，以此来提高安卓端的配准速度。

本文预期在5月份之前实现较高准确率的pc端的人脸配准。最终的目的是pc端的人脸配准的错误率控制在5%以内，安卓端的配准到达较高实时性。

4. 参考文献

[1] p. belhumeur, d. jacobs, d. kriegman, and n. kumar. localizing parts of faces using a concensus of exemplars. in cvpr, 2011.

[2] e. bingham and h. mannila. random projection in dimensionality reduction: applications to image and text data. in kdd, 2001.

[3] t. cootes, g. j. edwards, and c. j. taylor. active appearance models. in eccv, 1998.