基于双层树结构模型人脸检测与关键点定位研究.pdfVIP

基于双层树结构模型的人脸检测与关键点定位

G、和*

人工视觉，*国立科技大学电机工程系

[1,2,4,5]和树状结构模型（TSMs）[3,7,8]是DPM

尽管树结构模型（TSM）在人脸检测、姿态估计和关键点中最成功的方法之一。文献[1]中提出了一种结合形状和纹

定位中被证明是有效的，但其运行速度较慢，不利于实际理外观的CLM，用于生成图像块模板检测器。该模型通过

应用。我们提出了双层树结构模型（BTSM），在保持性使用联合模型和当前参数估计值生成模板，将模板与目标图

能不变或略有提升的前提下提高运行速度。BTSM由两个像进行相关运算以生成响应图像，并优化形状参数以最大化

组件TSM组成，即粗略的c‑TSM和精细的r‑TSM。响应总和，以迭代方式对模型进行拟合。文献[2],中提出了

c‑TSM在低分辨率样本上进行训练，从而实现快速但粗略一种称为正则化地标均值漂移（RLMS）的拟合方案，其

的检测；r‑TSM在中等分辨率样本上进行训练，从而精确中在经过层次化平滑处理的估计中最大化地标的非参数似

定位部件位置。BTSM的性能在三个基准数据库然。所得的更新方程类似于对地标进行均值漂移，但通过一

（Multi‑PIE、LFPW和AFW）上得到了验证，并与个关于地标联合的全局先验施加了正则化。由于基于判

的TSM进行了对比，以展示其有效性。别回归的拟合方法在CLM框架中尚未受到广泛关注，文献

[4]中提出了判别响应图拟合（DRMF）方法，并证明其性

索引术语—FaceDetection,FacialLandmark能优于RLMS。尽管通过上述及其他CLM方法的进展实现了

Local‑ization,DeformablePartModel快速而精确的地标配准，但最大的问题之一是初始化，即在

第一帧中无论姿态、光照和其他变量如何都要进行人脸检

1.引言测。值得注意的是，相当多的CLM使用TSM进行初始化，

带landmark定位的人脸检测不仅需要寻找人脸，还需要将例如文献[4,5],中的方法，因为TSM在处理姿态和不

一个参数化的形状模型拟合到人脸，使得模型的节点能够平衡光照方面优于许多检测器[3,9]。

对应到人脸的相应关键点上。这是一个具有性的问

题，因为人脸的姿态、表情、分辨率和光照条件可能是任

意的。通常解决方案包括两个步骤：初始化和拟合。前者

处理人脸检测和关键点初始化，后者则寻找最小化基于模

型拟合误差的最佳关键点位置。其中一种很有前景的方法

与大多数专注于关键点拟合精度的CLMs不同，TS

是可变形部件模型（DeformablePartModels，DPMs）

M能够在统一的框架中解决三个任务，即检测（初始化）、

[1,2,3,4,5]。DPM由一个形状模型组成，每个节点上都

有一个图像块。在训练阶段，图像块检测器在标注样本上关键点定位和姿态估计[3]。然而，TSM的主要缺点是在运

行时检测中需要大量的计算，这在很大程度上限制了其处

进行训练，同时从训练样本中学习形状模型的几何结构。