人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器...人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器扫描图片,为每一个人脸特征点生成一张响应图;然后基于响应图优化一个全局人脸形状模型,从而得到人脸形状(即所有人脸特征点)的一次更新.文献中的受限局部模型默认使用主成分分析(PCA)法建立参数人脸形状模型;而非参数形状模型如基于样本(exemplar-based)的方法虽然也被成功的应用于人脸特征点定位,但却没有被纳入受限局部模型的范畴.在这样的背景下,本文的贡献主要有3点:1)成功将基于参数(PCA-based)和非参数(exemplar-based)人脸形状模型的方法统一到概率形式的受限局部模型的框架之下;2)在3个公开的数据集LFW、LFPW、HELEN上汇报了几种典型的参数和非参数受限局部模型的性能;3)总结并讨论了参数和非参数受限局部模型的优缺点,如基于PCA的参数模型拟合速度更快,而基于exemplar的非参数模型精度更高.展开更多
提出一种在受限局部模型(constrained local models,CLMs)框架下基于判别回归的人脸表示方法,其对于非标记的人脸图像表述效果显著。该方法与树状模型相比,用很少参数表示响应图,高效地对未知的响应图进行重构,通过对其中回归方法进行优...提出一种在受限局部模型(constrained local models,CLMs)框架下基于判别回归的人脸表示方法,其对于非标记的人脸图像表述效果显著。该方法与树状模型相比,用很少参数表示响应图,高效地对未知的响应图进行重构,通过对其中回归方法进行优化,实现鲁棒的形状参数更新,提高运算速度。在Multi-PIE数据库上的实验结果表明,该算法的计算效率优于其它主流算法,具有实时处理的能力。展开更多
文摘人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器扫描图片,为每一个人脸特征点生成一张响应图;然后基于响应图优化一个全局人脸形状模型,从而得到人脸形状(即所有人脸特征点)的一次更新.文献中的受限局部模型默认使用主成分分析(PCA)法建立参数人脸形状模型;而非参数形状模型如基于样本(exemplar-based)的方法虽然也被成功的应用于人脸特征点定位,但却没有被纳入受限局部模型的范畴.在这样的背景下,本文的贡献主要有3点:1)成功将基于参数(PCA-based)和非参数(exemplar-based)人脸形状模型的方法统一到概率形式的受限局部模型的框架之下;2)在3个公开的数据集LFW、LFPW、HELEN上汇报了几种典型的参数和非参数受限局部模型的性能;3)总结并讨论了参数和非参数受限局部模型的优缺点,如基于PCA的参数模型拟合速度更快,而基于exemplar的非参数模型精度更高.
文摘提出一种在受限局部模型(constrained local models,CLMs)框架下基于判别回归的人脸表示方法,其对于非标记的人脸图像表述效果显著。该方法与树状模型相比,用很少参数表示响应图,高效地对未知的响应图进行重构,通过对其中回归方法进行优化,实现鲁棒的形状参数更新,提高运算速度。在Multi-PIE数据库上的实验结果表明,该算法的计算效率优于其它主流算法,具有实时处理的能力。
