脸部特征点定位方法综述

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 180-182.

• 图形、图像、模式识别 • 上一篇下一篇

脸部特征点定位方法综述

韩玉峰1，2，施铜兴1，王小林1

1.安徽工业大学计算机学院，安徽马鞍山 243002
2.安徽工业大学数理学院，安徽马鞍山 243002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Review to facial features localization approaches

HAN Yufeng1，2, SHI Tongxing1, WANG Xiaolin1

1.School of Computer Sciences, Anhui University of Technology, Ma’anshan, Anhui 243002, China
2.School of Math & Physics, Anhui University of Technology, Ma’anshan, Anhui 243002, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： 人脸识别技术极大推动了图像处理、模式识别、计算机视觉等诸多学科的发展。人脸部特征点的定位是人脸识别中的关键步骤，定位准确与否直接关系到后续应用的可靠性。系统综述了特征点定位六大类方法，分为基于灰度信息、先验规则、几何形状、统计模型、小波和3D方法，并给出了对各方法的性能评价以及对未来的展望。

关键词: 人脸识别, 人脸特征点定位, 脸部特征提取

Abstract: Face recognition technology has greatly promoted the development of image processing, pattern recognition and computer vision. Human facial features positioning is a key stage in face recognition and the accuracy of the positioning directly relates to the reliability of subsequent applications. This paper systematically reviews the six categories of methods in facial features positioning, namely, those based on grey-level information, a priori knowledge, geometric shapes, statistic models, wavelet and three dimensions. It evaluates the above-mentioned methods and expresses prospects.

Key words: face recognition, facial features positioning, facial features extraction

韩玉峰1，2，施铜兴1，王小林1. 脸部特征点定位方法综述[J]. 计算机工程与应用, 2012, 48(1): 180-182.

HAN Yufeng1，2, SHI Tongxing1, WANG Xiaolin1. Review to facial features localization approaches[J]. Computer Engineering and Applications, 2012, 48(1): 180-182.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[8]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[9]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[10]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[11]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[12]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[13]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[14]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.

脸部特征点定位方法综述

Review to facial features localization approaches

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics