自适应监督下降方法的姿态鲁棒人脸对齐算法

• 作者: 于剑 景丽萍 赵慧
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 人脸对齐 人脸关键点定位 监督下降方法(SDM)模型 姿态鲁棒 自适应特征提取框
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形图像
• 页码范围: 649-656
• 页数: 8页
• 分类号: TP181
• 字数: 5145字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1905087

摘要

人脸对齐是人脸分析处理中的重要一步.由于现实中的人脸照片通常在姿态、光线等方面存在较大的差异,人脸对齐是一项艰巨的任务.初始关键点的位置以及特征提取对人脸对齐很重要.提出一种自适应监督下降方法(SDM)的姿态鲁棒人脸对齐算法.首先,为了减小姿态差异对人脸对齐的影响,使用聚类算法将图片按照姿态分成三类(正脸,左侧脸,右侧脸),这样每个类别下的姿态更加紧致.其次,考虑到人脸对齐是由粗到细的多阶段监督学习过程,采用自适应特征提取框(由大到小)来提取判别性特征.基于上述两种策略,在每个类别下,提供一个更好的初始关键点位置,通过自适应特征提取的SDM模型来进行回归模型的训练.选用LFPW、HELEN和300W数据集进行评估,实验结果表明,该模型在复杂姿态下能准确定位关键点,并且好于现有的人脸对齐算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵慧	北京交通大学计算机与信息技术学院	15	190	7.0	13.0