孙铭堃，梁令羽，汪涵，何为†，赵鲁阳

(1 中国科学院上海微系统与信息技术研究所 宽带无线移动通信研究室， 上海 201800；2 中国科学院大学， 北京 100049)(2019年1月3日收稿； 2019年3月22日收修改稿)

在计算机视觉领域，人脸作为生物识别的一项重要特征，较指纹、虹膜等其他特征来说，具有采集简单、非接触性且隐蔽等优点，在视频监控、安全验证、门禁系统等方面有着很广阔的应用前景。

人脸关键点定位是人脸识别的关键环节，其在限定环境下已达到商用程度，但在非限定环境[1]中，由于图像采集时的非可控性，如拍摄背景、角度、光照、人脸表情及拍摄成像质量等，使得非限定环境下人脸识别的难度大大提高。因此，非限定环境下的人脸关键点定位一直是国内外研究的热点。目前关键点定位方法大致可以分为以下几类：1)基于先验规则的方法[2]；2)基于形状和外观模型的方法[3];3)基于统计能量函数的方法[4-5];4)基于级联回归的方法[6-8];5)基于分类器的方法[9];6)基于深度学习的方法[10-13]。随着计算资源的提升，通过卷积神经网络的非线性映射能力提取人脸形状特征的深度学习，在人脸识别上取得了远超其他方法的识别精度。

本文采用级联卷积网络[14]的思想，有别于常规的5点定位，实现了包括外部17关键点与内部51关键点在内的共68关键点定位。针对外部关键点，将两层卷积网络级联，分别完成外部关键点的粗细定位；针对内部关键点，结合可变形部件模型(deformable part model,DPM)，引入五官部位的形变信息，在检测人脸的同时完成五官位置的定位，避免了传统算法中由于先检测人脸位置，后检测五官位置，而造成人脸位置检测结果直接影响五官定位精度的问题。……