计量学报

作者：田卓,佘青山,甘海涛,孟明

单位：杭州电子科技大学 智能控制与机器人研究所, 浙江 杭州 310018

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; 信息融合

基金：国家自然科学基金(61201302,61601162); 浙江省自然科学基金(LY15F010009)

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。

来源：2019年第4期

《计量学报》期刊编辑部

查看计量学报杂志2019年第4期