关于人脸关键点检测的若干问题研究

发布时间：2021-06-13 04:29

　　人脸关键点相关算法研究是计算机视觉中的经典问题之一,其中人脸关键点检测是人脸分析过程中的重要环节。基于准确的关键点检测结果,可以实现人脸姿态估计、表情分析、美妆特效等应用。人脸关键点数据集是训练关键点检测器的基础,且检测器的性能很大程度上依赖于关键点标注的准确性,所以对传统标注方式进行改进使其更加灵活高效就具有十分重要的意义。另一方面,经过多年发展,人脸关键点检测算法的研究场景已经从简单的受控环境发展到复杂的非受控环境,随之带来了一系列挑战,如姿态表情变化、光照、遮挡以及低分辨率等,这些都成为制约人脸关键点算法性能提升的巨大障碍。本文对人脸关键点的标注、检测、应用三个方面进行了深入研究,通过一系列改进算法解决了现有方法中的若干问题。本文的主要贡献如下:1.设计并开发了一种基于三维辅助模型的多模式人脸关键点标注平台,实现人脸关键点的快速、准确标注。该平台通过对人脸图像进行三维可变模型拟合,完成了基于三维辅助信息监督的关键点粗标注;并将图像边缘作为目标模板点对当前关键点进行配准完成关键点的精标注。该平台提供了不同的标注模式,可帮助标注人员实现流程化的高效标注,并建立自定义数据集。2.分析了... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

由人脸关键点定义的人脸形状（左）及已标注关键点的样本图像（右）

咝曰毓榉匠汤唇?铺荻认陆捣较颍???基于学习的拟合方法通常很快但可能不够精确。近年来，基于AAM算法的拓展算法在无约束场景下的人脸对齐任务中相较传统的AAM取得了更好的效果。总体来说，这些算法从以下三个方面进行了改进：1)无约束的训练数据[15]；2)更为鲁棒的图像表示[16][17]；3)具有更好的鲁棒性且快速的拟合策略[15][16]。尽管如此，AAM算法仍存在许多不足：1)采用整体外观模型，不易处理遮挡情况；2)在无约束场景下对外观模型进行建模，所以外观系数的维度会很高，导致AAMs难于优化且易陷入局部最小值。图1-3约束局部模型LinearRegressionNonlinearRegression

8点关键点标注定义[61]

【参考文献】：
期刊论文
[1]基于Haar分类器和AAM算法的人脸基准点定位[J]. 程培培,陈典典,马军山.  光学仪器. 2018(06)
[2]深度回归网络下的人脸对齐方法[J]. 冯文祥,文畅,谢凯,贺建飚.  计算机工程与设计. 2018(07)
[3]基于Canny-AAM的人脸特征定位算法[J]. 颜丽,谷学静.  湖南科技大学学报(自然科学版). 2018(02)
[4]基于深度学习的证件照人脸识别方法[J]. 张晓林,范宇,刘惟锦,王春华.  计算机系统应用. 2018(05)
[5]基于CLM的人脸特征点检测[J]. 曾启飞,姚剑.  黑龙江科技信息. 2017(09)

硕士论文
[1]基于鲁棒损失人脸对齐与双目测距的活体检测[D]. 李依哲.山东大学 2018
[2]人脸特征点定位方法的研究[D]. 卢青.中国科学技术大学 2018
[3]人脸特征点定位及应用[D]. 刘治中.北京邮电大学 2018
[4]基于深度卷积神经网络的人脸特征点检测的研究[D]. 陈凌宇.厦门大学 2017
[5]基于两阶段定位模型的人脸对齐算法研究[D]. 王峰.浙江大学 2017



本文编号：3226997