基于级联卷积网络的人脸特征点检测

摘要：

人脸特征点检测是人脸识别和分析领域的关键步骤,同时也是人脸表情识别、头部姿态估计、人脸身份鉴定等相关技术的基础.由于脸部姿势和表情的不断变化以及遮挡问题的存在,人脸特征点检测依旧是一个具有挑战性的难题.文中提出用由粗到精的多任务级联神经网络模型来提升人脸检测和特征点定位的精度,使模型具有更好的鲁棒性.整个网络框架采用三阶段级联网络,由粗到精的检测人脸和定位特征点位置.首先采用脸部校正方法预处理人脸图片,主要是校正人脸偏转角度;然后使用两个小型网络来预测人脸框及定位人脸特征点;最后根据网络预测的特征点位置,对局部区域进行裁剪,然后再对局部区域预测单个特征点,使得特征点的定位更加准确.为了更好地评估文中提出的方法,在AFW、AFLW等数据集上做了对照实验,相比较TCNN网络模型,文中方法在AFW中错误率降低了1.19％,在AFLW中错误率降低了0.8％.

关键词：级联卷积神经网络、人脸检测、人脸校正、深度学习

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金青年基金BK20140868

在线出版日期：2019-07-23（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：104-110