集成回归树算法训练模型，首先在训练集中对人脸图像特征点进行标注。然后利用回归树模型进行训练。首先需要计算的是平均脸，作为模型在测试时初始化的形状，认为是shape。训练时，将像素点强度作为特征，已标定的训练集附近的像素点和点对之间的距离作为特征池，将距离除以两眼之间的距离以进行归一化，这里引入指数距离先验，套用集成回归树模型，模型为级联的10个回归树，每个回归树中有500个弱回归器，每个树的深度为5，使用梯度提升算法(集成)使用残差不断回归，拟合误差，得到最终的回归树模型。
在测试时，将人脸检测结果输入模型，先使用平均脸贴在一个新的测试脸中，得到初始shape，用脸部形状来预测特征点，同时反过来也用特征点预测脸部的形状，并利用与训练时同样的误差函数去回归，不断回归并减小与groundtruth的误差，通过10次级联回归树，得到最终的人脸特征点定位结果。
在测试时，将人脸检测结果输入模型，先使用平均脸贴在一个新的测试脸中，得到初始shape，用脸部形状来预测特征点，同时反过来也用特征点预测脸部的形状，并利用与训练时同样的误差函数去回归，不断回归并减小与groundtruth的误差，通过10次级联回归树，得到最终的人脸特征点定位结果。
链接：https://www.zhihu.com/question/275455561/answer/395838219