摘要
尽管近年来人脸图像对齐技术取得了显著进展，但在计算资源受限的应用场景下，仍需进一步提升高精度、高速度人脸对齐算法的性能。针对这一问题，本文提出一种新型人脸关键点定位算法，该算法融合全局回归与局部精化机制。具体而言，对于输入图像，本算法首先通过全局回归网络（GRegNet）估计其整体面部形状，随后利用级联的局部精化网络（LRefNet）逐步优化对齐结果。与以往方法相比，本算法的核心创新在于在GRegNet与LRefNet之间共享低层特征。这种特征共享机制不仅显著提升了算法效率，还使得浅层网络所蕴含的丰富局部敏感细节得以充分挖掘，从而有效提升关键点定位的准确性。在四个主流人脸对齐基准数据集（300-W、AFLW、COFW和WFLW）上的全面实验验证了本算法的优越性能。实验结果表明，本算法在所有数据集上均达到了当前最优的对齐精度，同时具备最小的计算复杂度，展现出卓越的实用价值。