点击次数：

所属单位：计算机科学与技术学院/人工智能学院/软件学院

发表刊物：小型微型计算机系统

关键字：受限局部模型;人脸特征点定位;人脸对齐;

摘要：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.

是否译文：否

发表时间：2017-02-15

合写作者：金鑫

通讯作者：谭晓阳