基于深度学习辅助的动态人脸跟踪方法

动态人脸跟踪过程中,现有的跟踪算法存在快速运动、遮挡和频繁进出摄像机视野下无法及时判定跟踪漂移导致跟踪失败,而目标再出现时作为新的目标进行跟踪.针对以上难题,提出一种融合跟踪校验和深度学习识别辅助的动态人脸跟踪算法(Kernelized correlation filter with verification and recognition,KCFVR).跟踪算法核心是结合核相关滤波框架,通过跟踪校验算法判定人脸目标是否跟踪漂移导致跟踪失败;在目标重新出现时,结合深度学习网络识别辅助方法判定是否为新目标.实验结果表明:跟踪校验算法及时减少跟踪误差积累,识别辅助算法在跟踪成功率及识别精度上,都取得较优的实验结果,实现同一人脸目标的实时、持续跟踪.

一种鲁棒的长期人脸特征点跟踪系统

人脸特征点定位对人脸分析等领域有着重要作用,为了提高人脸特征点定位的准确性及跟踪的鲁棒性,提出一种鲁棒的长期人脸特征点跟踪系统。该系统有效结合了人脸检测、中值光流法和深度学习模型人脸特征点定位方法。首先,深度模型对当前帧的人脸进行特征点定位;其次,中值光流法跟踪当前帧的特征点,通过有效的跟踪的特征点评估下一帧的人脸位置;再次,通过提出的跟踪校验方法对跟踪结果进行校验;最后,利用深度模型对下一帧的人脸特征点进行修正。实验结果表明,提出的动态方法在公开的数据集上取得更好的结果。