在极端头部姿态与遮挡下的鲁棒面部特征点检测
计算机视觉与模式识别
2017-09-26 v1
摘要
在一般“自然”图像上的面部特征点检测已取得了巨大进展。然而，在具有严重遮挡的图像和具有大头部姿态（例如侧面脸）的图像上检测面部特征点仍然具有挑战性。事实上，现有算法通常只能处理其中一种情况。在本研究中，我们提出了一个统一的鲁棒级联回归框架，可以同时处理具有严重遮挡的图像和具有大头部姿态的图像。具体而言，该方法迭代地预测特征点遮挡和特征点位置。对于遮挡估计，我们不是直接预测二值遮挡向量，而是引入了一种有监督回归方法，在每次迭代中逐步更新特征点可见性概率以实现鲁棒性。此外，我们显式地将遮挡模式作为约束加入，以提高遮挡预测的性能。对于特征点检测，我们结合特征点可见性概率、局部外观和局部形状来迭代更新它们的位置。实验结果表明，所提出的方法在具有严重遮挡的图像和具有大头部姿态的图像上显著优于 state-of-the-art 的工作。在一般“自然”图像上，它也与其他方法具有可比性。
引用
@article{arxiv.1709.08127,
title = {Robust Facial Landmark Detection under Significant Head Poses and Occlusion},
author = {Yue Wu and Qiang Ji},
journal= {arXiv preprint arXiv:1709.08127},
year = {2017}
}
备注
International Conference on Computer Vision, 2015