人臉對齊是人臉識別系統(tǒng)的一個重要組成部分,人臉對齊通過幾何變換來減小不同人臉之間的姿態(tài)差異,提升人臉識別系統(tǒng)對各種人臉姿態(tài)變化的魯棒性�，F(xiàn)有的人臉對齊方法是通過定位面部特征點的位置,把所有的人臉變換到一個統(tǒng)一的幾何形狀。盡管這種方法有效的減少了人臉圖片間的姿態(tài)差異,但在一些特殊場景下任然存在一些問題。把所有的人臉對齊到固定的幾何形狀會帶來人臉幾何信息的丟失,因為不同人的面部幾何形狀是不同的。對于一些人臉姿態(tài)比較大的圖片,例如側(cè)臉,旋轉(zhuǎn)角度大的人臉,現(xiàn)有的人臉特征點檢測器還存在比較大的誤差,把一些側(cè)臉圖片強行對齊到正臉的模板姿態(tài),會帶來很大的圖片失真。同時,我們很難定義一個合理的人臉對齊模版來適應所有的人臉圖片。因此,現(xiàn)有的利用特征點信息的固定幾何模板人臉對齊的方法存在一些局限性,尤其是在大姿態(tài)人臉識別的場景中。本論文利用空間轉(zhuǎn)換網(wǎng)絡來解決大姿態(tài)人臉識別場景下的人臉對齊問題。設計了一種基于級聯(lián)結(jié)構的空間轉(zhuǎn)化網(wǎng)絡來更好的解決大姿態(tài)人臉的對齊問題。同時提出了一種基于多尺度聚合特征約束的中心損失函數(shù),對包含豐富空間信息的特征進行緊湊性約束,用于優(yōu)化空間轉(zhuǎn)換網(wǎng)絡來獲得更加統(tǒng)一的人臉對齊效果。本文... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?人臉識別框架圖??

解為在某一個規(guī)則網(wǎng)格Ｇ上的點Ｇ，。其中Ｇ，．的坐標位置是㈨４）。對于Ｇ上的每??一個點Ｇ，．，我們都能通過變換矩陣Ｔ找到它的信息來自于輸入特征圖上的哪一個點。??如圖３－２所示，這個圖表示的是網(wǎng)格采樣的過程，圖中表示出了恒等變換和２維放射??變換的采樣網(wǎng)格。其中Ｕ代表輸入圖片，Ｖ代表變換后的圖片。每張變換后的圖片??Ｖ上的每一個像素點，都能找到它在輸入圖片Ｕ上的原始點。我們用（＜，片）來表示??輸入特征圖上的某一個點的坐標，那么對于每一個Ｇ，．，他所對應的輸入點坐標如式??３－１所示。??ｒ?１?「ｘｌｒ?ｉ「４??４?０，１?０１？?０１３??＝?Ｔｅ（Ｇｉ）＝Ａｅ?Ｖｉ?＝?ａ?Ｑ?ａ?＊?ｙ＼?（３－１）??＞／?０２１?＾２２?＾２３??Ｌ＿?Ｊ?１?Ｌ＞?Ｊ?１??變換矩陣巧的參數(shù)中包含了圖片變換的角度，縮放，坐標移動的信息。這些信??息屬于不同的量綱。以坐標為例，移動一個單位的坐標產(chǎn)生的差別非常的小，而對于??尺度變化，一個單位的變化效果是巨大的，對于角度轉(zhuǎn)轉(zhuǎn)也是，一個單位的旋轉(zhuǎn)變換??會是的特征圖旋轉(zhuǎn)很大的角度。而我們的定位網(wǎng)絡在進行參數(shù)預測的時候

；?采樣器?；??圖３－１?空間轉(zhuǎn)換網(wǎng)絡結(jié)構??網(wǎng)絡來得到變換后的特征圖。??在對每個輸入的特征圖進行投影變換的時候，以輸入特征圖的某個點為中心，??利用采樣核進行采樣，可以得到輸出特征圖上的某一個點。輸出的某一個點可以理??解為在某一個規(guī)則網(wǎng)格Ｇ上的點Ｇ，。其中Ｇ，．的坐標位置是㈨４）。對于Ｇ上的每??一個點Ｇ，．，我們都能通過變換矩陣Ｔ找到它的信息來自于輸入特征圖上的哪一個點。??如圖３－２所示，這個圖表示的是網(wǎng)格采樣的過程，圖中表示出了恒等變換和２維放射??變換的采樣網(wǎng)格。其中Ｕ代表輸入圖片，Ｖ代表變換后的圖片。每張變換后的圖片??Ｖ上的每一個像素點，都能找到它在輸入圖片Ｕ上的原始點。我們用（＜，片）來表示??輸入特征圖上的某一個點的坐標


本文編號：3021094