针对目前大多数形状特征描述的全局性以及对旋转 缩放等变化的敏感性， 采用一种基于目标近似多边形的形状特征描述， 这种描述方式具有局部性和紧凑性， 同时结合运动参数预测及递归估计的方法实现二维目标的检测和定位-Most shape for the global characterization of and sensitivity to changes in the rotation scaling, using a polygon shape based on characteristics o

DOA estimation paper using propagator method using L shape array

在现实世界条件下获取人脸存在较大的变化在形状和遮挡由于不同在姿态、表情、附属品的使用，例如，太阳镜和帽子以及与目标体（e.g. 食物）的交。当前的人脸界标估计方法在这种条件下努力但由于缺乏一种有效的理论方法用于处理局外点。我们提供了一个新奇的方法，称为Robust Cascaded Pose Regression (RCPR)，通过检测显式的遮挡且使用鲁棒的形状索引的特征可以减少exposure对于局外点。我们证明RCPR改进先前的界标估计方法在3个通用的人脸数据集上(LFPW, LFW and