杭州电子科技大学自动化学院,浙江 杭州 310018
针对人脸关键点检测(人脸对齐)在应用场景下的速度和精度需求, 首先在 SSD基础之上融合更多分布均匀的特征层, 对人脸框坐标进行级联预测, 形成对于多尺度人脸信息均具有更加鲁棒响应的深度学习检测器 MR-SSD。其次在局部二值特征 LBF的级联形状回归方法基础上, 提出了基于面部像素差值的多角度初始化算法。采用端正人脸正负 90°倾斜范围内的五组特征点形状进行初始化, 求取每组回归后形状的眼部特征点像素均方差值并以最大者对应方案作为最终回归形状, 从而实现对多角度倾斜人脸优异的拟合效果。本文所提出的最优架构可以实时获得极具鲁棒性的人脸框坐标并且可实现对于多角度倾斜人脸的关键点检测。
深度学习 机器学习 人脸关键点检测 人脸对齐 像素差值 deep learning machine learning face keypoint detection face alignment pixel difference