基于并行卷积神经网络的人脸关键点定位方法研究-论文.pdf

《基于并行卷积神经网络的人脸关键点定位方法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第8期计算机应用研究V01．32No．82015年8月ApplicationResearchofComputersAug．2015基于并行卷积神经网络的人脸关键点定位方法研究杨海燕，蒋新华，聂作先。(1．福建工程学院信息科学与工程学院，福州350118；2．中南大学信息科学与工程学院，长沙410083)摘要：为解决人脸关键点定位受到姿态、光线、表情以及遮盖问题的影响而使得定位效果可靠性不佳的问题，提出了一种基于并行卷积神经网络的人脸关键点定位方法。利用卷积神经网络对局部细节特征提取以及深度学习的特点，设计实现了一种并行卷积

2、神经网络，该网络把人脸图像、上半人脸以及下半人脸分别送入到相同结构的卷积网络进行训练学习，通过对图像进行局部卷积以及下采样，提取人脸关键点附近的细节特征，并对三级并行网络定位结果进行加权合成，实现人脸特征点定位。在LWF人脸库上定位实验结果表明，该方法在准确性以及可靠性方面都得到很大程度提升，能实现对人脸关键点的鲁棒准确估计。关键词：人脸特征点定位；卷积神经网络；图像卷积；下图像采样中图分类号：TP391．41文献标志码：A文章编号：1001．3695(2o15)08．2517．03doi：10．3969／j．issn．1001—

3、3695．2015．08．067Facialkeypointslocationbasedonparalle1convolutionalneuralnetworkYangHaiyan，JiangXinhua。，NieZuoxian(1．SchoolofInformationScience＆Engineering，FufianUniversityofTechnology，Fuzhou350118，China；2．SchoolofInformationScience＆Engineering，CentralSouthUniversity，

4、Changsha410083，China)Abstract：Facialkeypointslocalizationsuferedfromfaceposediversification，illumination，expressionsandcollusion，thelocationresultisunreliable．Tosolvetheseproblem，thispaperproposedafacialkeypointslocationmethodbasedonparallelconvolutionneuralnetwork．Co

5、nvolutionneuralnetworkcouldpreservethestructuralfeatureofimagetexture．whichhadwide．1yusedinfacedetectionandOCRrecognitionsuccessfully．Thus，themethodusedthemeritofCNN，designedandfulfilledaparallelCNN．Firstly，itusedtheentireface，uphalffaceanddownhaIffacetotraintheCNN．Th

6、eCNNadoptedlocalcon．volutionanddownsamplingtoextractthefeaturesaroundthefacekeypoints，andthenlocatedthekeypoints．Atlastlayer，itusedtheaverageresulttOfinedthefinalresult．TheexperimentonLWFfacedatabaseshowthatthismethodoutperformsothermethodsbothindeteetionaccuracyandre

7、liability．whichcanlocatethekeypointsefficiently．Keywords：facialfeatureslocalization；convolutionneuralnetwork(CNN)；imageconvolution；imagedownsampling持尽可能多的局部形状描述信息，使对齐具有鲁棒性。这类方0引言法是对每个关键点所在的位置或区间进行检测，是一种判定人脸局部区域是否为关键区域的方法。由于局部特征可能存在人脸关键特征点定位是人脸识别中核心问题之一，也是基模糊，以致可能将人脸区间

8、中多个子区域判断为人脸关键区于面部特征的疲劳检测等应用中的必要前提，错误的关键点定域，也可能在整个人脸区域中不能找到合适的候选区域。另一位会导致提取的人脸特征与事实不符，即使是不精确的对齐也会导致识别性能快速下降。眼睛、鼻子和嘴巴是最为关键的面类是