结合形变模型与图像修复的人脸姿态矫正
目的 人脸姿态偏转是影响人脸识别准确率的一个重要因素,本文利用3维人脸重建中常用的3维形变模型以及深度卷积神经网络,提出一种用于多姿态人脸识别的人脸姿态矫正算法,在一定程度上提高了大姿态下人脸识别的准确率.方法 对传统的3维形变模型拟合方法进行改进,利用人脸形状参数和表情参数对3维形变模型进行建模,针对面部不同区域的关键点赋予不同的权值,加权拟合3维形变模型,使得具有不同姿态和面部表情的人脸图像拟合效果更好.然后,对3维人脸模型进行姿态矫正并利用深度学习对人脸图像进行修复,修复不规则的人脸空洞区域,并使用最新的局部卷积技术同时在新的数据集上重新训练卷积神经网络,使得网络参数达到最优.结果 在LFW(labeled faces in the wild)人脸数据库和StirlingESRC (Economic Social Research Council)3维人脸数据库上,将本文算法与其他方法进行比较,实验结果表明,本文算法的人脸识别精度有一定程度的提高.在LFW数据库上,通过对具有任意姿态的人脸图像进行姿态矫正和修复后,本文方法达到了96.57％的人脸识别精确度.在StirlingESRC数据库上,本文方法在人脸姿态为±22°的情况下,人脸识别准确率分别提高5.195％和2.265％;在人脸姿态为±45°隋况下,人脸识别准确率分别提高5.875％和11.095％;平均人脸识别率分别提高5.53％和7.13％.对比实验结果表明,本文提出的人脸姿态矫正算法有效提高了人脸识别的准确率.结论 本文提出的人脸姿态矫正算法,综合了3维形变模型和深度学习模型的优点,在各个人脸姿态角度下,均能使人脸识别准确率在一定程度上有所提高.
多姿态人脸识别、3维形变模型(3DMM)、卷积神经网络(CNN)、图像修复、深度学习
26
TP391(计算技术、计算机技术)
国家自然科学基金项目61371156
2021-05-26（万方平台首次上网日期，不代表论文的发表时间）
共9页
828-836
