人脸检测与360度头部姿态同步估计
计算机视觉与模式识别
2021-11-24 v1
摘要
随着在人类生活中的诸多实际应用，包括制造监控摄像头、分析与处理顾客行为，许多研究者关注数字图像上的人脸检测与头部姿态估计。大量提出的深度学习模型具有最先进的精度，如用于解决人脸检测问题的 YOLO、SSD、MTCNN，以及用于头部姿态估计问题的 HopeNet、FSA-Net、RankPose 模型。根据许多最先进的方法，该任务的流程由两部分组成，从人脸检测到头部姿态估计。这两步完全独立且不共享信息。这使得模型在设置上清晰，但未能充分利用各模型中提取的特征资源。本文中，我们提出 Multitask-Net 模型，其动机是利用人脸检测模型提取的特征，将其共享给头部姿态估计分支以提高精度。同时，由于数据的多样性，表示人脸的欧拉角域较大，我们的模型可在360欧拉角域内给出预测结果。应用多任务学习方法，Multitask-Net 模型可同时预测人头的朝向与方位。为提升模型预测头部方向的能力，我们将人脸的表示由欧拉角改为旋转矩阵向量。
引用
@article{arxiv.2111.11604,
title = {Simultaneous face detection and 360 degree headpose estimation},
author = {Hoang Nguyen Viet and Linh Nguyen Viet and Tuan Nguyen Dinh and Duc Tran Minh and Long Tran Quoc},
journal= {arXiv preprint arXiv:2111.11604},
year = {2021}
}
备注
Accepted at The 13th International Conference on Knowledge and Systems Engineering (KSE 2021), 7 pages, 2 figures, 3 tables