面向人脸特征点定位和姿态估计任务协同的DCNN方法

关键词：计量学 人脸识别 深度卷积神经网络 人脸特征点 姿态估计 

摘要：为了提高复杂背景下面部信息的识别性能,提出了一种面向人脸特征点定位和姿态估计任务协同的深度卷积神经网络(DCNN)方法。首先从视频图像中检测出人脸信息;其次设计一个深度卷积网络模型,将人脸特征点定位和姿态估计两个任务协同优化,同时回归得到人脸特征点坐标和姿态角度值,然后融合生成相应的人机交互信息;最后采用公开数据集和实际场景数据进行测试,并与其他现有方法进行比对分析。实验结果表明:该方法在人脸特征点定位和姿态估计上表现出较好的性能,在光照变化、表情变化、部分遮挡等复杂条件下人机交互应用也取得了良好的准确性和鲁棒性,平均处理速度约16帧/s,具备一定的实用性。

计量学报杂志要求:

{1}参考文献的著录格式采用顺序编码制，著录表置于文末，其排列顺序以正文出现的先后为准，文内用方括号按先后顺序标注，且置于行文的右上角。

{2}本刊采用匿名审稿制。

{3}本刊编辑部将在收到来稿后3个月内答复您是否采用。如在3个月后仍未接到本刊采用通知，请尽快与本刊编辑部联系查询。

{4}来稿子标题的层级序号。标题层次不宜太多，建议文内标题层次为四级：一、(一)、1.、(1)。

{5}请在稿件最后附上您的姓名、工作单位、联系电话、邮箱、通讯地址、邮政编码，以便及时联系。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社