用于野外鲁棒人脸关键点定位的人脸检测、边界框聚合与姿态估计
计算机视觉与模式识别
2017-06-02 v2
摘要
我们提出了一个用于野外人脸鲁棒检测与关键点定位的框架，该框架已作为“第二届面部关键点定位竞赛”的一部分得到评估。该框架包含四个阶段：人脸检测、边界框聚合、姿态估计与关键点定位。为达到高检测率，我们使用了两个公开的基于 CNN 的人脸检测器和两个专有检测器。我们对每幅输入图像检测到的人脸边界框进行聚合，以减少假阳性并提高人脸检测精度。随后，采用一个使用具有多种姿态变化人脸训练的级联形状回归器进行姿态估计与图像预处理。最后，我们使用大量具有有限姿态变化的训练样本训练最终的级联形状回归器，用于细粒度关键点定位。在 300W 和 Menpo 基准上获得的实验结果证明了我们的框架相对于最先进方法的优越性。
引用
@article{arxiv.1705.02402,
title = {Face Detection, Bounding Box Aggregation and Pose Estimation for Robust Facial Landmark Localisation in the Wild},
author = {Zhen-Hua Feng and Josef Kittler and Muhammad Awais and Patrik Huber and Xiao-Jun Wu},
journal= {arXiv preprint arXiv:1705.02402},
year = {2017}
}