基于级联回归与手工模型拟合的混合眼中心定位方法
计算机视觉与模式识别
2017-12-11 v1
摘要
我们提出了一种用于眼中心检测的新级联回归器。先前的方法从人脸或眼睛检测器出发，使用高级特征或强大的回归器进行眼中心定位，但并未同时使用两者。相反，我们使用现有的面部特征对齐方法更精确地检测眼睛。我们通过同时使用高级特征和强大的回归机制提高了定位的鲁棒性。与大多数不细化回归结果的方法不同，我们添加了鲁棒的圆拟合后处理步骤使定位更精确。最后，使用一种简单的手工眼中心定位方法，我们展示了如何在无需人工标注训练数据的情况下训练该级联回归器。我们评估了新提出的方法，并表明其在 BioID、GI4E 和 TalkingFace 数据集上达到了 SOTA 性能。在平均归一化误差 e < 0.05 时，基于人工标注数据训练的回归器在 BioID、GI4E 和 TalkingFace 上的准确率分别为 95.07%、99.27% 和 95.68%。自动训练的回归器几乎同样好，在 BioID、GI4E 和 TalkingFace 上的准确率分别为 93.9%、99.27% 和 95.46%。
引用
@article{arxiv.1712.02822,
title = {Hybrid eye center localization using cascaded regression and hand-crafted model fitting},
author = {Alex Levinshtein and Edmund Phung and Parham Aarabi},
journal= {arXiv preprint arXiv:1712.02822},
year = {2017}
}
备注
12 pages, 5 figures, submitted to Journal of Image and Vision Computing