人臉關(guān)鍵點(diǎn)檢測(cè)是人臉識(shí)別和分析領(lǐng)域中的關(guān)鍵一步，它是諸如自動(dòng)人臉識(shí)別、表情分析、三維人臉重建及三維動(dòng)畫(huà)等其它人臉相關(guān)問(wèn)題的前提和突破口。

雖然人臉的結(jié)構(gòu)是確定的，由眉毛、眼睛、鼻子和嘴等部位組成，近似是一個(gè)剛體，但由于姿態(tài)和表情的變化，不同人的外觀(guān)差異，光照，遮擋的影響，準(zhǔn)確的檢測(cè)處于各種條件下的人臉也是一件相對(duì)困難的事情。

傳統(tǒng)人臉關(guān)鍵點(diǎn)檢測(cè)數(shù)據(jù)庫(kù)為室內(nèi)環(huán)境下采集的數(shù)據(jù)庫(kù)，而現(xiàn)階段人臉關(guān)鍵點(diǎn)檢測(cè)數(shù)據(jù)庫(kù)通常為復(fù)雜環(huán)境下采集的數(shù)據(jù)庫(kù)。

AFLW 人臉數(shù)據(jù)庫(kù)包含 25993 幅從 Flickr 采集的人臉圖像，每個(gè)人臉標(biāo)定 21 個(gè)關(guān)鍵點(diǎn)。

COFW 人臉數(shù)據(jù)庫(kù)包含 LFPW 人臉數(shù)據(jù)庫(kù)訓(xùn)練集中的 845 幅人臉圖像以及其他 500 幅遮擋人臉圖像，而測(cè)試集為 507 幅嚴(yán)重遮擋(同時(shí)包含姿態(tài)和表情的變化)的人臉圖像，每個(gè)人臉標(biāo)定 29 個(gè)關(guān)鍵點(diǎn)。

MVFW 人臉數(shù)據(jù)庫(kù)為多視角人臉數(shù)據(jù)集，包括 2050 幅訓(xùn)練人臉圖像和 450 幅測(cè)試人臉圖像，每個(gè)人臉標(biāo)定 68 個(gè)關(guān)鍵點(diǎn)。

Dlib是基于現(xiàn)代C++的一個(gè)跨平臺(tái)通用的框架，緣起于實(shí)現(xiàn)了2014年一篇著名CVPR論文的算法：“用回歸樹(shù)，一毫秒搞定人臉對(duì)齊。”每個(gè)人臉標(biāo)定 68 個(gè)關(guān)鍵點(diǎn)，自從人臉檢測(cè)Dlib庫(kù)問(wèn)世，網(wǎng)友們紛紛表示：好用！

(Dlib人臉特征點(diǎn)檢測(cè)效果圖)

毋庸置疑，人臉關(guān)鍵點(diǎn)越多，檢測(cè)就更精準(zhǔn)、更貼邊、更能解決關(guān)鍵點(diǎn)抖動(dòng)的問(wèn)題，滿(mǎn)足更多場(chǎng)景需求。很明顯，我們發(fā)現(xiàn)盡管是目前最受歡迎的人臉檢測(cè)Dlib，特征點(diǎn)最多也只是到眉毛處，在額頭區(qū)域是沒(méi)有分布特征點(diǎn)的。

(人臉68個(gè)特征點(diǎn)分布)

于是，最近有個(gè)叫做Niko的程序猿，發(fā)布了擁有81個(gè)關(guān)鍵點(diǎn)，能夠覆蓋額頭區(qū)域的面部檢測(cè)工具：

其主要的工作就是在人臉檢測(cè)Dlib庫(kù)68個(gè)特征點(diǎn)的基礎(chǔ)上，增加了13個(gè)特征點(diǎn)(共81個(gè)) ，把前額也包含在追蹤范圍里，使得頭部檢測(cè)和圖像操作更加精確。

0-67是dlib既有的68個(gè)臉部關(guān)鍵點(diǎn)；

68-80是程序猿新增的13個(gè)前額關(guān)鍵點(diǎn)。

程序猿說(shuō)，他是從Patrick Huber的eos項(xiàng)目 (一個(gè)輕量級(jí)3DMM) 上，fork出了一個(gè)分支，用Surrey人臉模型找到了自己需要的這13個(gè)額外的點(diǎn)。然后，用整個(gè)ibug大數(shù)據(jù)庫(kù)訓(xùn)練了模型，拿81點(diǎn)替換了原本的68點(diǎn)。

它的訓(xùn)練方法類(lèi)似于Dlib的68個(gè)面部特征點(diǎn)形狀預(yù)測(cè)器。只是在原有的68個(gè)特征點(diǎn)的基礎(chǔ)上，在額頭區(qū)域增加了13個(gè)點(diǎn)。這就使得頭部的檢測(cè)，以及用于需要沿著頭部頂部的點(diǎn)的圖像操作更加精準(zhǔn)。

總結(jié)

以上是生活随笔為你收集整理的caffe 人脸关键点检测_人脸检测关键点新增至81个，比Dlib更精准、更贴边的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。