10.3778/j.issn.1673-9418.1905087
自适应监督下降方法的姿态鲁棒人脸对齐算法
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.
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
14
TP181(自动化基础理论)
The National Natural Science Foundation of China under Grant Nos. 61822601, 61773050, 61632004 国家自然科学基金;the Programof Beijing Municipal Science & Technology Commission under Grant No. Z181100008918012 北京市科委项目
2020-04-24（万方平台首次上网日期，不代表论文的发表时间）
共8页
649-656
