基于随机森林回归的人脸特征点定位

摘要

针对人脸特征点定位容易受到人脸姿态、表情、光照和遮挡等因素影响的问题,提出了一种基于随机森林回归的特征点定位方法。采用像素差值特征在每个特征点建立随机森林模型,由森林模型回归得到训练样本的估计形状;对训练样本的估计形状与真实形状进行线性最小二乘拟合,得到一个全局优化模型;再利用模型对测试样本特征点位置进行回归估计及形状优化,从而实现了人脸特征点的自动定位。该方法采用相对误差小于0.1的衡量标准,在MATLAB R2009a平台实验,Helen和LFPW数据库上测试,两个数据库的样本定位正确率均超过95%,平均定位速度为9.3 fps,且训练模型仅为5.4 MB。实验结果表明:提出的方法能够很好地适应人脸姿态、表情、光照和遮挡等因素的影响,同时训练模型小,且有效地提高人脸特征点定位的精度和速度。