基于条件迭代更新随机森林的非约束人脸特征点精确定位

摘要：

人脸特征点定位是计算机视觉中研究和分析人脸的关键.为了提高在非约束环境中(大姿态变化、遮挡、复
杂背景等)人脸特征点定位的准确性和鲁棒性提出一种基于条件迭代更新随机森林的非约束人脸特征点定位方法.
首先为了克服遮挡和背景噪声的影响对人脸子区域进行分类提取人脸正子区域;然后在人脸正子区域上估计
头部姿态根据估计的头部姿态和人脸局部子区域学习特征点的初始化条件概率模型定位人脸特征点的初始位置;
再依据特征点的初始位置建立人脸误差模型利用误差模型在线学习并多次迭代更新随机森林的叶子节点生成新
的复合叶子概率模型包括人脸子块类别、头部姿态、人脸形变模型、误差偏移模型;最后引入条件权重稀疏投票
对复合叶子概率模型进行回归定位人脸特征点的精确位置.在AFWLFW和Pointing'04这3个具有挑战性的公共
人脸数据库上进行实验的结果表明该方法在非约束人脸特征点定位中的平均误差值为0.15时定位准确率超过95%.

关键词：人脸特征点定位、条件迭代更新随机森林、多概率复合模型、非约束环境

所属期刊栏目：29

分类号：TN911.73

资助基金：国家自然科学基金61602429, 61401188;博士后面上基金2016M59240;中央高校基本业务经费264l201609055

在线出版日期：2017-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1881-1890