人脸检测 早已比较成熟,传统的基于HOG+线性分类器 的方案检测效果已经相当不错,我们也不再过多讨论,本节重点讨论人脸特征点对齐,特征点对齐主要应用在确定关键点的位置上,并进一步用于人脸姿态或状态的判断(用在辅助驾驶、疲劳检测、AR等)。
下面介绍常用的人脸对齐算法:
• ASM
ASM(Active Shape Model)是指主观形状模型,即通过形状模型 对 目标物体进行抽象。
ASM 是一种 基于点分布模型(Point Distribution Model, PDM)的算法。在PDM中,外形相似的物体,例如 人脸、人手、心脏等的几何形状可以通过若干关键特征点(landmarks)的坐标依次串联形成一个形状向量来表示。
基于ASM的人脸 通常通过 标定好的68个关键特征点 来进行描述:
ASM算法 分为 训练过程 和 搜索过程。
一. ASM的训练:
1.1 搜集 T 个训练样本,样本数量根据需要(假定 T=100)
注:样本只需要包含人脸图像即可,大小和方向不需要限定(后续可以归一化)。
1.2 手动标记n个脸部特征点(假定 n=68)
需要配合标定软件将结果坐标存到文本文档。
1.3 构建形状向量
将记录下来的坐标点,按照顺序连成向量,每一个样本 描述为一个向量:
1.4 进行归一化和对齐(采用Procrustes方法)
可以看作是通过简单的 平移、旋转、缩放ÿ