傅 杰,黄树成

(江苏科技大学 计算机学院, 镇江 212000)

人脸对齐任务就是根据输入的人脸图像,自动运用算法，检测出面部特征点位置,如眼睛、脸部轮廓、嘴巴、眉毛和鼻尖等．该项技术应用十分广泛，如人脸识别[1-3]、人脸表情识别[4]和面部动作捕捉[5]等方面．随着深度学习技术的飞速发展,基于深度神经网络的人脸关键点检测算法[6-8]与传统的人脸关键点检测算法相比，已经展现出巨大优势,主要原因就是大量训练数据集开放以及深度神经网络对于大规模训练数据中蕴含的特征具有很强的提取和拟合能力．目前基于深度学习的人脸关键点检测算法[9-10]大多都是对输入图像的全局表观特征进行一系列计算和处理实现的,还有部分模型方法是提取人脸多个局部区域的特征[11]，再分别进行关键点检测，最后得到整张人脸图像的关键点位置.这些方法虽然在人脸关键点检测任务上都取得了一定效果,但是也给模型留下了一定的提升空间[12-13],主要原因就是这些方法都没有特别考虑到人脸各部位间的结构化信息.为了表征这一信息,借用了前人在PRN[14]中提到的思想,将两两关键点对应的人脸局部特征对之间的结构关系加入到模型训练中,以此来优化模型性能,并且结合人脸图像全局表观特征和DAN[15]模型中提出的热图特征来实现多特征融合的级联回归人脸关键点检测算法．实验证明，该模型与最新的人脸对齐算法相比，进一步降低了……