基于关键点的由粗到精三维人脸特征点定位

作     者：成翔昊 达飞鹏 邓星 Cheng Xianghao;Da Feipeng;Deng Xing

作者机构：东南大学自动化学院南京210096 东南大学复杂工程系统测量与控制教育部重点实验室南京210096 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2018年第39卷第10期

页      面：256-264页

核心收录：

学科分类：081203[工学-计算机应用技术] 080202[工学-机械电子工程] 08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(51475092 61462072 61628304)项目资助 

主　　题：三维人脸征点定位 监督下降算法 关键点检测 局部描述子 人脸特征点模型 

摘      要：提出了一个基于关键点由粗到精的三维人脸特征点定位算法,该算法将人脸特征点定位分为关键点检测和标记两个独立的子问题。为了更好地在三维人脸上提取关键点,该算法提出了一个关键点检测方法：1）使用深度图和监督下降算法得到三维人脸特征点的粗略位置,提取特征点粗略位置的邻域作为关键点区域;2）提出了一种结合多个局部描述子的方法,对关键点区域内人脸点集的子集进行筛选,提取出关键点。在特征点标记阶段,使用关键点集生成候选特征点组合,选择与特征点模型匹配程度最高的组合,将组合中的候选点标记为特征点。基于FRGC v2.0和Bosphorus数据集对算法进行了实验评估,并与一些经典方法的结果进行了对比分析。FRGC v2.0库上的特征点的平均误差为2.85-3.81 mm,总体检测成功率为96.5%,其中中性、温和以及极端表情下检测成功率分别为97.5%、97.0%和93.3%。Bosphorus库上3种姿态下的检测成功率分别是92%、95%和88%。实验结果表明,该算法具有较好的精度和效率,对表情和小幅度的姿态变化具有较好的鲁棒性。