非刚性人脸跟踪或动作识别的图像标注工具，来自mastering opencv chapter 6,它是对每帧视频图像中人脸特征稠密数据集合的估计。非刚性人脸跟踪侧重于不同脸部表情或不同人物的脸部特征相对距离的变化。它和一般的人脸检测与跟踪算法不同，它不仅仅是找到每一帧中人脸的位置，它还要找到人脸五官的组态关系
该系统主要包括以下模块：
数据收集及标注工具
由于人脸特征检测算法依赖于人脸特征外观模型的构建和样本点在几何空间中相对位置关系。样本数据集越大，算法健壮性就越好。因此，第一个任务必须开发工具手工指定图像中人脸特征点作为样本点，并采用合适的格式存储和展示。（亦可采用其他算法代替，比如sift/surf特征点等等）
几何约束模块
脸部的几何约束关系也是从数据集合中学习到的。它在跟踪阶段将被用来约束和剔除不合理的特征点。该模块将用一个线性形状模型来描述人脸模型。（普氏分析、线性建模）
人脸特征提取模块
为了检测下一次被跟踪人脸图像中的外观，首先要学习人脸特征的外观。（基于互联关系的图像块模型）
人脸跟踪模块
人脸检测、初始化、跟踪流程。
整个运行流程就是手工获取人脸及标注样本点，训练几何约束模块和人脸特征模块，往后新来一副人脸，这些特征点及互联关系将会自动fit到人脸上。
