基于卷積特征的人臉征點定位研究.pdf

1、人臉特征點定位是自動定位事先定義好的面部關(guān)鍵點，以獲取人臉形狀。人臉特征點定位是人臉圖像分析的關(guān)鍵步驟，在人臉識別、仿真、跟蹤、表情分析、人臉三維動畫建模等任務(wù)中有著廣泛的應(yīng)用，受到研究者們廣泛的關(guān)注。目前，在可控環(huán)境下，人臉特征點定位和人臉分析相關(guān)任務(wù)已經(jīng)達(dá)到了比較滿意的結(jié)果。但在非控場景下，由于受到光照、姿態(tài)、表情、遮擋等非可控因素的影響，人臉外觀和形狀變化呈現(xiàn)高度非線性。因此，已有模型在人臉特征點定位和人臉其他相關(guān)任務(wù)上的性能依然

2、很差，無法滿足實際應(yīng)用的要求。本論文主要針對非可控場景下的人臉特征點定位問題進(jìn)行研究，并針對該問題提出了相應(yīng)的解決辦法。主要創(chuàng)新點如下:
　　(1)在非可控場景下，人臉外觀變化呈現(xiàn)高度非線性，而現(xiàn)有模型的視覺特征描述方法難以對其進(jìn)行準(zhǔn)確表達(dá)。為了解決該問題，本文提出一種基于深度卷積特征和極限學(xué)習(xí)機(jī)的人臉特征點定位方法。該方法包括:首先，設(shè)計并訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)，提取全局卷積特征，包含空間像素和上下文語義信息;然后，引入魯棒的極限

3、學(xué)習(xí)機(jī)，代替卷積神經(jīng)網(wǎng)絡(luò)中內(nèi)置的回歸器，實現(xiàn)人臉外觀特征到人臉形狀的非線性映射;最后，融合多尺度的預(yù)測結(jié)果確定特征點位置。實驗結(jié)果表明:包含空間像素和上下文語義信息的卷積特征凸顯了復(fù)雜人臉外觀的一般模式，更有助于定位任務(wù);極限學(xué)習(xí)機(jī)回歸函數(shù)對人臉外觀特征到人臉形狀之間的映射能力較強(qiáng);融合多尺度預(yù)測可以進(jìn)一步提高定位的精度。
　　(2)在非可控場景下，人臉外觀和人臉形狀存在較大的差異，而現(xiàn)有的級聯(lián)形狀回歸模型對初始形狀敏感，局部特征

4、忽略形狀約束信息。為了解決該問題，本文提出一種改進(jìn)的級聯(lián)回歸模型實現(xiàn)人臉特征點定位。該模型包括:首先，在級聯(lián)結(jié)構(gòu)的第一級，通過學(xué)習(xí)算法直接輸出所有特征點位置作為初始形狀，代替人工賦值的初始形狀，在級聯(lián)結(jié)構(gòu)的后幾級，設(shè)計并訓(xùn)練多目標(biāo)的淺層卷積神經(jīng)網(wǎng)絡(luò)，提取局部卷積特征，包含局部相關(guān)性信息;然后，改進(jìn)極限學(xué)習(xí)機(jī)回歸函數(shù)的優(yōu)化方法，提高算法的泛化性;最后，通過級聯(lián)框架實現(xiàn)由粗到精的人臉特征點定位。實驗結(jié)果表明:通過學(xué)習(xí)算法初始人臉形狀魯棒性較