基于多任務特征選擇和自適應模型的人臉特征點檢測.pdf

1、人臉特征點識別技術是計算機視覺和模式識別領域的一個熱門話題。其在實際中應用廣泛所以現(xiàn)在受到越來越多的關注和重視。如何在自然條件的環(huán)境變化和人臉主動的變化下定位人臉關鍵部位是人臉特征點識別主要目的。因此，如何減少光照、遮擋、姿態(tài)、表情的影響以提高魯棒性，以及如何在同時存在線性和非線性變化的人臉表觀上找到其對應的人臉形狀是人臉特征點識別需要解決的主要問題。目前的人臉特征點識別算法主要集中在深度模型方法上和級聯(lián)回歸方法上。級聯(lián)回歸的方法因為快

2、速簡便所以更有利于應用于實際中。然而級聯(lián)回歸的方法有其局限性的地方。級聯(lián)回歸的方法非常依賴于初始化的準確度，以及在處理人臉表觀非線性變化時有一定的困難。得益于監(jiān)督下降法SDM(SupervisedDescent Method)的簡化處理，級聯(lián)回歸的方法在應對這些問題的時候具有了一定的適應性。但是監(jiān)督下降法仍然需要面對初始化依賴和過度匹配等問題，原因就是原始的梯度下降法在特征表示上過于單一。
　　因此，本文通過引入機器學習中非常有效

3、的多任務學習方法，結合目前主流的多種特征，對梯度下降法應用多任務的特征學習進行改進。通過多任務學習得到的選擇后特征表示來提高梯度下降法的魯棒性，解決過度匹配的問題并且提高特征點識別的精確度。除此之外，本文還針對有監(jiān)督的人臉特征點識別方法提出了自適應的初始化模型，通過快速人眼匹配調整模型人臉形狀的位置來提高初始化的有效性，從而減少人臉特征點識別的匹配方向錯誤。在目前著名而有效的幾種人臉特征點識別數(shù)據庫上，通過對目前主流的幾種方法的試驗比較