三维局部约束模型(3D Constrained Local Model,CLM-Z)算法,综合利用灰度和深度信息检测三维人脸数据中的特征点(如眼角、鼻尖和嘴角),实现了较高的检测精度。CLM-Z方法一般使用人脸位置和平均三维人脸模型进行初始化。设计了四个实验...三维局部约束模型(3D Constrained Local Model,CLM-Z)算法,综合利用灰度和深度信息检测三维人脸数据中的特征点(如眼角、鼻尖和嘴角),实现了较高的检测精度。CLM-Z方法一般使用人脸位置和平均三维人脸模型进行初始化。设计了四个实验定量地分析CLM-Z参数初始化对算法精度的影响:在BU-4DFE库上评估CLM-Z算法精度;通过平移人脸边界框扰动平移参数的初始值;通过缩放人脸边界框扰动尺度参数的初始值;通过给定绕y轴和z轴的旋转角扰动旋转参数的初始值。实验结果表明,CLM-Z算法可容忍平移扰动约为人脸宽的1/6,在(0.75,1.50)缩放范围内算法精度不会下降,可容忍y轴和z轴旋转角约20°。基于以上评估结果,进一步提出在纹理图像上检测特征点作为初始化,然后再进行CLM-Z迭代。在BU-4DFE数据库上的评估结果证明,该初始化方法能有效提升CLM-Z方法的特征点定位精度。展开更多
文摘三维局部约束模型(3D Constrained Local Model,CLM-Z)算法,综合利用灰度和深度信息检测三维人脸数据中的特征点(如眼角、鼻尖和嘴角),实现了较高的检测精度。CLM-Z方法一般使用人脸位置和平均三维人脸模型进行初始化。设计了四个实验定量地分析CLM-Z参数初始化对算法精度的影响:在BU-4DFE库上评估CLM-Z算法精度;通过平移人脸边界框扰动平移参数的初始值;通过缩放人脸边界框扰动尺度参数的初始值;通过给定绕y轴和z轴的旋转角扰动旋转参数的初始值。实验结果表明,CLM-Z算法可容忍平移扰动约为人脸宽的1/6,在(0.75,1.50)缩放范围内算法精度不会下降,可容忍y轴和z轴旋转角约20°。基于以上评估结果,进一步提出在纹理图像上检测特征点作为初始化,然后再进行CLM-Z迭代。在BU-4DFE数据库上的评估结果证明,该初始化方法能有效提升CLM-Z方法的特征点定位精度。
