基于级联卷积神经网络的人脸关键点定位.pdf

第30卷第 1期 四川理工学院学报 (自然科学版) Vol·30 No．1 !!!12!!±!!旦!!!!!=!!!!!=!!!!!竺!!!!!!量!!：!!!旦!!!!!：!!!!!!!!!!!!!!!!!!!!!!=!!!===!!====!== ——————一—一 文章编号：1673—1549(2017)Ol-0032-06 DOI：10．11863／j．suse一2017．01．06 基于级联卷积神经 网络的人脸关键点定位 陈 锐 ，林 达 (1．四川理工学院自动化与信息工程学院，I~UJI 自贡 643000；2．人工智能四川省重点实验室，四川 自贡 643000) 摘 要：由于人脸姿态、表情、遮挡物、光照问题的影响，人脸关键点检测时通常会出现较大的误差， 为了准确且可靠地检测关键点，提出了一种基于级联卷积神经网络的方法。利用人脸检测器检测到的 人脸图像作为输入，第一层卷积神经网络直接检测所有的5个人脸关键点。随后根据这些检测到的点 裁剪出5个人脸局部图像，级联的第二层网络使用5个不同的卷积神经网络单独地定位每个点。在实验 测试环节，级联卷积神经网络方法的使用4q,-~脸关键点的平均定位误差降低到了1．264像素。在 LFPw 人脸数据库上的实验结果表明：该算法在定位准确性和可靠性上要优于单个CNN的方法以及其他方法， 该算法在 GPU(图形处理器)模式下处理一个人脸图像仅需 15．9毫秒 。 关键词：人脸关键点；卷积神经网络(CNN)；深度学习 中图分类号：TP391．41 文献标志码：A 标的训练样本中学习到模型，利用学习到的模型直接对 引 言 人脸 图像的关键点坐标进行估计，这种方法明显要优于 人脸关键点定位是人脸识别等应用中必不可少的 其他的大部分方法，尤其在运行效率上要远高于分类 一 个预处理环节，即使是简单地根据检测到的双眼坐标 法。近来，文献[9一l1]提出了一种由分类法和直接预 来旋转图像将双眼置水平面，也可以有效提升人脸识别 测法结合改进而来的由粗到细的定位方法，该方法可 以 的准确率，复杂的预处理手段也更加离不开精确的人脸 一 定程度上提高定位算法的准确性。这类方法在第一 关键点定位算法。 次粗定位到的人脸关键点的基础上，再次估计更为精确 人脸关键点定位算法可 以分为两类：分类法和直接 的人脸关键点位置。大部分定位方法都面临着提取到 预测法。第一类算法，如文献[1—3]首先要对需要检测 的特征不足以准确定位人脸关键点，选择合适的特征提 的每个关键点区域单独训练分类器，再通过对局部窗口 取方法就变得尤为重要。在整个人脸 区域图像提取到 下的图像进行分类来寻找候选区域，随后通过形态约束 的纹理信息特征包含丰富的信息，若是使用该特征进行 在这些候选区域中估计最优关键点。 人脸关键点定位，通过分类器或回归器进行精确定位显 分类法在寻找候选区域时，容易出现找到过多或数 得异常困难 。 量不足的候选区域，这些对人脸定位算法的性能造成了 为了解决上述问题，本文提出使用级联卷积神经网 一 定的负面影响，而且运行效率较低。与前者相比，不 络(CNN)来对人脸关键点进行定位 。卷积神经网络 以 需要使用滑动窗 口对人脸图像进行扫描并分类的直接 整个人脸图像为输入，其深层的网络结构可以充分地提 预测法要更为高效，文献 [4—6]直接用回归器定位人脸 取到人脸图像的纹理信息特征，在该特征上进行人脸关 图像的人脸关键点，人脸关键点的位置随着迭代而更新 键点定位可以