人脸特征点手工标定程序

详细介绍了基于 Haar 特征统计方法的人脸检测方法，并利用多个弱分类器的训练，将其组合成强分类器。

在边折叠的网格简化算法的基础上，针对特定三维网格模型—人脸，提出了一种实用的基于特征点的快速模型简化算法。该算法把人脸按特征点的分布进行分块处理，对不同区域采用不同的阈值进行调节。对于需要高细节的区域

针对目前很多三维表情合成算法计算量大、方法比较复杂、真实感不强的特点，结合人脸分布特征，提出了一种基于Delaunay三角剖分的三维表情合成新算法。该方法通过对人脸特征点集的快速三角剖分避免了病态三角

Landmark人脸68个关键点检测dat模型库(shape_predictor_68_face_landmarks.dat)

基于stasm方法实现人脸识别过程的特征点提取，能实现77个特征点的提取，可以得到这77个特征点的横纵坐标。

空间中物理位置的线性变化在图像空间的变化往往是非线性的，人脸特征点定位受到头部姿态较大的影响。提出一种改进的基于头部姿态估计的条件回归森林方法，该方法有效地将原非线性问题转换为分段线性问题。使用局部保

手眼标定,相机固定在机械手上进行九点标定。

根据官方例程进行改变。进行三角测量的两种方法进行三维坐标计算，非全图三维重建，是特征点，这里使用的是棋盘格角点作为匹配点

83点人脸关键点定位程序，关键点包括人脸轮廓、眼睛、眉毛、嘴唇以及鼻子轮廓。

像素差的绝对值（SAD）像素差的平方和（SSD）图像的相关性（NCC）Census局部空间结构汉明距离匹配代价AD + CensusSD + Census