基于深度自编码器网络的人脸特征点定位方法-计算机应用与软件.PDFVIP

第３３卷第９期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．９ ２０１６年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１６ 基于深度自编码器网络的人脸特征点定位方法 梁洋洋　陈　宇　杨　健 （南京理工大学计算机科学与工程学院　江苏南京２１００９４） 摘　要　　使用深度学习网络技术的人脸特征点定位方法已经取得了比较突出的效果。然而，人脸图像由于姿态、表情、光照、遮挡 等变化而具有复杂多样性，因此数目较多的人脸特征点（超过５０个特征点）定位依然有很大的挑战性。设计了三层级联的自编码 器网络，并通过由粗到精的方法对多数目的人脸特征点进行定位。第一层网络以整张人脸图像为输入，直接估计人脸轮廓和部件位 置，从而将特征点分成三部分（眼眉鼻，嘴巴和人脸轮廓）进行下一步定位；之后的两层网络分别对各部件特征点进行估计求精。在 ＬＦＰＷ、ＨＥＬＥＮ数据库上的实验表明，该方法能够提高人脸特征点定位的准确性和鲁棒性。 关键词　　人脸特征点定位　深度学习　自编码器网络　逐步求精 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０９．０３３ ＦＡＣＩＡＬＬＡＮＤＭＡＲＫＬＯＣＡＬＩＳＡＴＩＯＮＡＰＰＲＯＡＣＨ ＢＡＳＥＤＯＮＤＥＥＰＡＵＴＯＥＮＣＯＤＥＲＮＥＴＷＯＲＫＳ ＬｉａｎｇＹａｎｇｙａｎｇ　ＣｈｅｎＹｕ　ＹａｎｇＪｉａｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００９４，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆａｃｉａｌｌａｎｄｍａｒｋｓｌｏｃａｌｉｓａｔｉｏｎｍｅｔｈｏｄｓｕｓｉｎｇｄｅｅｐｌｅａｒｎｉｎｇｎｅｔｗｏｒｋｔｅｃｈｎｏｌｏｇｙｈａｖｅａｃｈｉｅｖｅｄｐｒｏｍｉｎｅｎｔｅｆｆｅｃｔ．Ｈｏｗｅｖｅｒ，ｔｈｅ ｌｏｃａｌｉｓａｔｉｏｎｏｆｌａｒｇｅｒｎｕｍｂｅｒｏｆｆａｃｉａｌｌａｎｄｍａｒｋｓ（ｍｏｒｅｔｈａｎ５０ｐｏｉｎｔｓ）ｓｔｉｌｌｈａｖｅｌｏｔｓｏｆｃｈａｌｌｅｎｇｅｓｄｕｅｔｏｔｈｅｃｏｍｐｌｅｘｄｉｖｅｒｓｉｔｉｅｓｉｎｆａｃｅ ｉｍａｇｅｓｃａｕｓｅｄｂｙｐｏｓｅ，ｅｘｐｒｅｓｓｉｏｎ，ｉｌｌｕｍｉｎａｔｉｏｎａｎｄｏｃｃｌｕｓｉｏｎ，ｅｔｃ．Ｔｈｉｓｐａｐｅｒｄｅｓｉｇｎｓａｔｈｒｅｅｌｅｖｅｌｃａｓｃａｄｅｄａｕｔｏｅｎｃｏｄｅｒｎｅｔｗｏｒｋ，ｗｈｉｃｈ ａｒｅｅｍｐｌｏｙｅｄｔｏｌｏｃａｔｅａｌａｒｇｅｎｕｍｂｅｒｏｆｆａｃｉａｌｌａｎｄｍａｒｋｓｉｎａｃｏａｒｓｅｔｏｆｉｎｅｍａｎｎｅｒ．Ｔｈｅｆｉｒｓｔｌｅｖｅｌｏｆｔｈｅｎｅｔｗｏｒｋｅｓｔｉｍａｔｅｓｆａｃｉａｌｃｏｎｔｏｕｒ ａｎｄｃｏｍｐｏｎｅｎｔｐｏｓｉｔｉｏｎｓｄｉｒｅｃｔｌｙｂｙｔａｃｋｉｎｇｔｈｅｗｈｏｌｅｆａｃｅｉｍａｇｅａｓｉｎｐｕｔ，ｗｈｉｃｈｄｉｖｉｄｅｓｌａｎｄｍａｒｋｓｉｎｔｏｔｈｒｅｅｐａｒｔｓ（ｅｙｅｓａｎｄｎｏｓｅ，ｍｏｕｔｈ， ａｎｄｆａｃｉａｌｃｏｎｔｏｕｒ）ｆｏｒｔｈｅｎｅｘｔｌｏｃａｌｉｓａｔｉｏｎｓｔｅｐｓ；ｔｈｅｆｏｌｌｏｗｉｎｇｔｗｏｌｅｖｅｌｏｆｔｈｅｎｅｔｗｏｒｋｅｓｔｉｍａｔｅａｎｄｒｅｆｉｎｅｔｈｅｌａｎｄｍａｒｋｓｏｆｅａｃｈｐａｒｔ ｒｅｓｐｅｃｔｉｖｅｌｙ．ＥｘｐｅｒｉｍｅｎｔｓｃｏｎｄｕｃｔｅｄｏｎＬＦＰＷ，ＨＥＬＥＮｄａｔａｂａｓｅｓｓｈｏｗｔｈａｔｔｈｅａｐｐｒｏａｃｈｃａｎｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙａｎｄｒｏｂｕｓｔｎｅｓｓｏｆｆａｃｉａｌ ｌａｎｄｍａｒｋｌｏｃａｌｉｓａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　　Ｆａｃｉａｌｌａｎｄｍａｒｋｌｏｃａｌｉｓａｔｉｏｎ　Ｄｅｅｐｌｅａｒｎｉｎｇ　Ａｕｔｏｅｎｃｏｄｅｒｎｅｔｗｏｒｋｓ　Ｃｏａｒｓｅｔｏｆｉｎｅ 因为一个单一的线性模型很难刻画