作者：伍凯; 朱恒亮; 郝阳阳; 马利庄人脸配准级联回归初始化策略随机回归森林多姿态
摘要：目的人脸配准是当前计算机视觉领域的研究热点之一，其目的是准确定位出人脸图像中具有语义特征的面部关键点，这也是人脸识别、人脸美化等众多与人脸有关的视觉任务的重要步骤。最近，基于级联回归的人脸配准算法在配准精度和速度上都达到了最先进的水准。级联回归是一种迭代更新的算法，初始脸形将通过多个线性组合的弱回归器逐渐逼近真实的人脸形状。但目前的算法大多致力于改进学习方法或提取具有几何不变性的特征来提升弱回归器的能力，而忽略了初始脸形的质量，这极大的降低了它们在复杂场景下的配准精度，如夸张的面部表情和极端的头部姿态等。因此，在现有的级联回归框架上，提出自动估计初始形状的多姿态人脸配准算法。方法本文算法首先在脸部区域提取基于高斯滤波一阶导数的梯度差值特征，并使用随机回归森林预测人脸形状；然后针对不同的形状使用独立的级联回归器。结果验证初始形状估计算法的有效性，结果显示，本文的初始化算法能给现有的级联回归算法带来精度上的提升，同时结果也更加稳定；本文算法产生的初始形状都与实际脸型较为相近，只需很少的初始形状即可取得较高的精度；在COFW、HELEN和300W人脸数据库上，将本文提出的多姿态级联回归算法和现有配准算法进行对比实验，本文算法的配准误差相较现有算法分别下降了29．2％、13．3％和9．2％，结果表明，本文算法能有效消除不同脸型之间的干扰，在多姿态场景下得到更加精确的配准结果，并能达到实时的检测速度。结论基于级联回归模型的多姿态人脸配准算法可以取得优于现有算法的结果，在应对复杂的脸形时也更加鲁棒。所提出的初始形状估计算法可以自动产生高质量的初始形状，用于提升现有的级联回归算法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
