人脸对齐之LBF(Local Binary Features)

来源:互联网 发布:大圣科技知乎 编辑:程序博客网 时间:2024/06/07 12:57

基于LBF方法的人脸对齐,出自Face Alignment at3000 FPS via Regressing Local Binary Features由于该方法提取的是局部二值特征(LBF),所以特征提取这个过程速度非常快,导致整个的算法都速快相当快,论文作者的LBF fast达到了3000fps的速度,网上热心网友分享的程序也达到了近300fps的速度,绝对是人脸对齐方面速度最快的一种算法。因此,好多网友也将该方法称为,3000fps

 

该方法主要体现在2个方面,

(1)LBF特征的提取

作者通过在特征点附近随机选择点做残差来学习LBF特征,每一个特征点都会学到由好多随机树组成的随机森林,因此,一个特征点就得用一个随机森林生成的0,1特征向量来表示,将所有的特征点的随机森林都连接到一起,生成一个全局特征,后续过程就可以使用该全局特征做全局线性回归了。


(2)基于cascade的级联的随机森林做全局线性回归

         所谓的线性回归,其实就是一个不断迭代的过程,对于每一个stage中,用上一个stage的状态作为输入来跟新,产生下一个stage的输入,以此类推,直到达到最底层stage。

如上公式所示,I为输入图像,St-1为第t-1stage的形状,fait为t stage的特征匹配函数,Wt为线性回归矩阵。


训练过程,就是学习fait和wt的一个过程,测试过程就是用训练好的fait和wt对提取的LBF特征做回归的过程。

         对于每个stage,越往下,所选择的随机点的范围就越小,特征点定位精度就越好。

本人下载的是c++版本的程序,最终的运行效果如下,

         实际运行效果,速度绝对是人脸对齐中速度最快的一个算法了,精度的话,比起sdm来,还是逊色一点,尽管作者论文中分析的数据来看比sdm好,但是不得不承认,还是比sdm的精度差点。

 


github上热心网友的程序,

matab版本:https://github.com/jwyang/face-alignment

c++版本:https://github.com/yulequan/face-alignment-in-3000fps



1 0
原创粉丝点击