*人脸特征点检测
*人脸的对齐
采用卷积神经网络（CNN）方法，并且采用CNN最后一层的激活值输出作为features，不同的人脸区域放入CNN中提取特征，形成了互补、过完全的特征表示（form 采用卷积神经网络（CNN）方法，通过深度卷积网络来学习高级的过完全特征（有监督）， CNN的最后一层激活值作为输出，并且采用CNN最后一层的激活值输出作为features， 不同的人脸区域放入CNN中提取特征，形成了互补、过完全的特征表示（form complementary and over-complete representations）。 通过深度卷积网络来学习高级的过完全特征（有监督），CNN的最后一层激活值作为输出，
*具体细节
采用多尺度，多人脸区域，训练多个CNN网络，最后得出一张人脸图像的多维度特征。
*特点：
在训练CNN中，训练数据的类别越多，其性能越好，但是会在训练模型中出现问题，也就是太慢。CNN的输出是特征，而不是输出类别。
分类采用Joint Bayesian 来进行人脸的verification；也采用了神经网络来比较，但是联合贝叶斯的效果比较好；来进行人脸的verification；也采用了神经网络来比较，但是联合贝叶斯的效果比较好。
===小结===