论文部分内容阅读
近年来随着图像处理技术的不断发展,人脸解锁、人脸支付、人脸美化等技术随处可见,人脸关键点检测是其中很重要的环节。人脸关键点检测即在人脸图像上检测出人脸器官或者外轮廓的位置,为人脸识别、姿态表情分析等技术提供重要的位置信息,人脸关键点检测的效率和准确率影响整个系统的时效与准确性,所以如何获得又快又精确的关键点检测算法尤为重要。本文的研究内容和创新点概括如下:(1)实现了多种LBP特征应用于可变形部件模型(Deformable Part Model,DPM)人脸关键点检测算法的对比实验。针对DPM人脸关键点检测算法的特征选择,分别选取圆形LBP特征、等价模式LBP特征、MB-LBP特征、均值LBP特征、K-LBP特征和本文提出的自适应阈值梯度LBP特征进行实验,并通过实验选出最优的特征——均值LBP特征。(2)提出了一种神经网络后验算法解决DPM人脸关键点检测中的误检问题。针对DPM在进行关键点检测时的误检情况(即把非关键点的地方检测为关键点),在DPM的基础上增加了后验算法,通过神经网络对检测到的点进行分类,从而滤除误检点。在LFW实验集上的结果表明,经过BP神经网络检验后,误检概率降低了 3%左右。(3)提出了DPM与CNN级联的人脸关键点检测算法。为了提高DPM关键点检测算法的精度,采用由粗到精的思想,先用DPM算法确定关键点的位置,针对每个关键点再用CNN网络进行修正。在LFW和LFPW数据库上的实验结果表明,级联算法和CNN算法相比不仅提高了检测精度,而且检测时间缩短了一半。(4)实现了使用父母图片合成宝宝图片的应用。为了准确的将图片中父母的五官移植到宝宝图片上,首先需要对关键点进行定位,然后通过几何变换和肤色融合完成宝宝图片的合成。综上所述,本文通过特征比较、增加后验算法、级联CNN算法使得DPM算法检测精度得到提高,并且实现了关键点检测在人脸融合中的应用。