人臉檢測 早已比較成熟,傳統的基於HOG+線性分類器 的方案檢測效果已經相當不錯,我們也不再過多討論,本節重點討論人臉特徵點對齊,特徵點對齊主要應用在確定關鍵點的位置上,並進一步用於人臉姿態或狀態的判斷(用在輔助駕駛、疲勞檢測、AR等)。
1 . ASM
ASM (Active Shape Model):通過形狀模型對目標物體進行抽象
基於點分佈模型(point distribution model, PDM)的算法.在PDM中,外形相似的物體,例如人臉/人手/心臟等幾何形狀可以通過若干landmarks的座標依次串聯形成一個形狀向量.
ASM訓練+搜索
2.AAM
AAM(Active Appearance Model) 將形狀和紋理融合爲外觀模型
Appearance = Shape + Texture
3 . CLM
CLM 是有約束的局部模型( Constrained Local Model), 也是通過初始化平均臉的位置,然後讓每個平均臉上的特徵點在其領域位置上進行搜索匹配來完成人臉點檢測. ASM也屬於CLM的一種
4 . SDM
提出的背景是更好地解決了非線性優化問題
參考鏈接
如下