陈锐, 林达

(1.四川理工学院自动化与信息工程学院, 四川自贡643000;2.人工智能四川省重点实验室, 四川自贡643000)

基于级联卷积神经网络的人脸关键点定位

陈锐1,2, 林达1,2

(1.四川理工学院自动化与信息工程学院, 四川自贡643000;2.人工智能四川省重点实验室, 四川自贡643000)

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将人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。

人脸关键点;卷积神经网络(CNN);深度学习

引言

人脸关键点定位是人脸识别等应用中必不可少的一个预处理环节，即使是简单地根据检测到的双眼坐标来旋转图像将双眼置水平面，也可以有效提升人脸识别的准确率，复杂的预处理手段也更加离不开精确的人脸关键点定位算法。

人脸关键点定位算法可以分为两类：分类法和直接预测法。第一类算法，如文献[1-3]首先要对需要检测的每个关键点区域单独训练分类器，再通过对局部窗口下的图像进行分类来寻找候选区域，随后通过形态约束在这些候选区域中估计最优关键点。……