基于DCNN的人脸特征点检测及面部朝向计算

摘要：

在介绍人脸特征点检测的理论知识的基础上,提出了一种基于深层卷积神经网络(Deep Convolutional Neural Network,DCNN)解决人脸5点特征点(眼角、鼻子、嘴角)预测问题的方法.通过添加更多的卷积层稳定地增加网络的深度,并且在所有层中使用3×3的卷积滤波器,有效减小参数,更好地解决了人脸特征点检测问题.然后计算双眼角与嘴角所成平面与正视时此平面的单应性矩阵,最后利用等效算法求解驾驶员面部转角.实验结果表明,面部特征点检测准确率达到97.96％,算法在角度判断上的误差是1°～5°,这证明了该算法对注意力分散监测的有效性.

关键词：深度卷积神经网络(DCNN)、面部特征点检测、卷积层和池化层、驾驶员面部朝向

所属期刊栏目：56

分类号：TP391.41(计算技术、计算机技术)

资助基金：交通运输部信息化科技项目;北京工商大学2018年研究生科研能力提升计划项目

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：202-208