基于条件迭代更新随机森林的非约束人脸特征点精确定位

作     者：刘袁缘 谢忠 周顺平 刘郑 王伟明 刘秀平 饶伟 Liu Yuanyuan;Xie Zhong;Zhou Shunping;Liu Zheng;Wang Weiming;Liu Xiuping;Rao Wei

作者机构：中国地质大学信息工程学院武汉430074 大连理工大学数学科学学院大连116024 复旦大学信息科学与工程学院上海200433 

基　　金：国家自然科学基金(61602429 61401188) 博士后面上基金(2016M59240) 中央高校基本业务经费(264l201609055) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2017年第29卷第10期

页      码：1881-1890页

摘      要：人脸特征点定位是计算机视觉中研究和分析人脸的关键.为了提高在非约束环境中(大姿态变化、遮挡、复杂背景等)人脸特征点定位的准确性和鲁棒性,提出一种基于条件迭代更新随机森林的非约束人脸特征点定位方法.首先,为了克服遮挡和背景噪声的影响,对人脸子区域进行分类,提取人脸正子区域;然后,在人脸正子区域上估计头部姿态,根据估计的头部姿态和人脸局部子区域学习特征点的初始化条件概率模型,定位人脸特征点的初始位置;再依据特征点的初始位置建立人脸误差模型,利用误差模型在线学习并多次迭代更新随机森林的叶子节点,生成新的复合叶子概率模型,包括人脸子块类别、头部姿态、人脸形变模型、误差偏移模型;最后,引入条件权重稀疏投票对复合叶子概率模型进行回归,定位人脸特征点的精确位置.在AFW,LFW和Pointing’04这3个具有挑战性的公共人脸数据库上进行实验的结果表明,该方法在非约束人脸特征点定位中的平均误差值为0.15时,定位准确率超过95%.

主 题 词：人脸特征点定位 条件迭代更新随机森林 多概率复合模型 非约束环境 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1003-9775.2017.10.014

馆 藏 号：203277731...