杨洋 王正群 徐春林 严陈 鞠玲

摘 要：针对显式形状回归（ESR）对于一些面部遮挡、面部表情过大样本定位精度低的问题，提出一种自适应窗回归方法。首先，应用先验信息为每张图片生成精确的人脸框，用人脸框的中心点对人脸进行特征映射，并进行相似变换得到多个初始形状;其次，提出一种自适应窗口调整策略，基于先前回归的均方误差自适应地调整特征窗口大小;最后，基于互信息（MI）的特征选择策略，提出新的相关性计算方法，在候选像素集中选出最相关的特征。在三个公开数据集LFPW、HELEN、COFW上，相较于ESR算法，所提方法的定位精度分别提升7.52%、5.72%和5.89%。实验结果表明，自适应窗回归方法可以有效提高人脸特征点定位精度。

关键词：显式形状回归;人脸特征点定位;相似人脸变换;自适应窗回归;互信息

中图分类号：TP391.4

文献标志码：A

3 实验结果与分析

3.1 实验环境

本实验的运行环境为：Windows10 64位操作系统，8GB内存，Intel Core i74700MQ 2.4GHz中央处理器，Matlab R2016a工作站。实验数据选用人脸特征点定位领域三大通用数据集：LFPW[18]、HELEN[19]、COFW[11]。LFPW是一个轻量级的图片库，图片全部来源于网络，包含各种姿态以及不同室外环境下的人脸图片，共有1035张图片。本文选择其中811张图片作为训练集，224张图片作为测试集，每张图片上面标记了68个特征点坐标。HELEN图片库共有2330张图片，同样来源于网络。本文选取2000张作为训练图片，其余330张作为测试图片，每张图片标注68个特征点。COFW数据集是一个高遮挡且大姿态的数据集，由现实世界中有挑战性的几类图片组成，例如：戴墨镜的图片、戴帽子的图片、夸张表情的图片以及大角度的侧脸图片等。……