假設你正在構建乙個人臉識別應用，出於某種原因，你希望演算法可以給出眼角的具體位置。
眼角座標為(x,y) ，你可以讓神經網路的最後一層多輸出兩個數字$$,$$，作為眼角的座標值。如果你想知道兩隻眼睛的四個眼角的具體位置，那麼從左到右，依次用四個特徵點來表示這四個眼角。對神經網路稍做些修改，輸出第乙個特徵點$(},})$,
第二個特徵點$(},})$,依此類推，這四個臉部特徵點的位置就可以通過神經網路輸出了。
也許除了這四個特徵點，你還想得到更多的特徵點輸出值。你還可以根據嘴部的關鍵點輸出值來確定嘴的形狀，從而判斷人物是在微笑還是皺眉，也可以提取鼻子周圍的關鍵特徵點。為了便於說明，你可以設定特徵點的個數，假設臉部有 64 個特徵點，有些點甚至可以幫助你定義臉部輪廓或下頜輪廓。選定特徵點個數，並生成包含這些特徵點的標籤訓練集，然後利用神經網路輸出臉部關鍵特徵點的位置。
具體做法是，準備乙個卷積網路和一些特徵集，將人臉輸入卷積網路，輸出 1 或 0，1 表示有人臉， 0 表示沒有人臉，然後輸出$(},})$……直到$(},})$這裡有 129 個輸出單元，其中 1 表示中有人臉，因為有 64 個特徵， 64×2=128，所以最終輸出 128+1=129 個單元，由此實現對的人臉檢測和定位。
如果你對人體姿態檢測感興趣，你還可以定義一些關鍵特徵點，如胸部的中點，左肩， 左肘，腰等等。然後通過神經網路標註人物姿態的關鍵特徵點，再輸出這些標註過的特徵點，就相當於輸出了人物的姿態動作。
一旦了解如何用二維座標系定義人物姿態，操作起來就相當簡單了，批量新增輸出單元，用以輸出要識別的各個特徵點的(x, y)座標值。要明確一點，特徵點的特性在所有中必須保持一致，就好比，特徵點 1 始終是右眼的外眼角，特徵點 2 是右眼的內眼角，特徵點3 是左眼內眼角，特徵點 4 是左眼外眼角等等。所以標籤在所有中必須保持一致。
人臉特徵點檢測
參考 face alignment by explicit shape regression。演算法的實現原始碼在裡的explicitshaperegression.cpp裡面。下面貼上乙個檢測結果 人臉特徵點有不少應用，比如可以對齊人臉，或者做人臉變形。在人臉資料庫裡挑選了一些人臉，對齊它們，求出...
ORB特徵點檢測
這篇文章我們將介紹一種新的具有區域性不變性的特徵 orb特徵，從它的名字中可以看出它是對fast特徵點與breif特徵描述子的一種結合與改進，這個演算法是由ethan rublee,vincent rabaud,kurt konolige以及gary r.bradski在2011年一篇名為 orb ...
GFTT特徵點檢測
角點檢測，避免出現聚簇現象 shi tomasi的角點檢測演算法,名稱goodfeaturetotrack,opencv的feature2d介面整合了這種演算法,名稱為gfttdetector,介面如下 ptrcreate int maxcorners 1000,double qualityleve...