在本文中，我们提出了一种基于群体稀疏特征（LCMGS）的分层人脸对齐模型。 近年来，分层上下文模型在面部对齐方面获得了越来越多的兴趣。 在每一层中，通常将所有面部的特征放在一起形成一个特征库，以供学习的功能捕获丰富的上下文信息。 先前的方法通常将全局特征提供给线性回归器或随机蕨类。 但是，特征选择在机器学习算法中非常重要。 我们提出了一种群体稀疏回归方法来为每个图层中的每个地标选择有用的特征，而不是手动为每个地标选择特征。 在加速近端梯度（APG）框架下优化了群体稀疏回归的目标。 在Helen（194点）和300W（68点）基准数据集上进行的实验表明，我们的模型优于最新技术。
