电讯技术

作者：王宇,胡哲昊,涂晓光,刘建华,蒋涛,许将军,原子昊,杜金花

单位：(1.中国民用航空飞行学院 航空电子电气学院，四川 广汉 618307;2.成都信息工程大学 无人系统智能感知控制技术工程实验室，成都 610225)

关键词：人脸特征点检测；配准监督(SBR)算法；长短期记忆(LSTM)网络；LK光流算法；

基金：中央高校基本科研业务费基金项目（ZHMH2022-004,J2022-025）;四川省科技计划（2021YFH0069，2021YFQ0057，2022YFS0565）；四川省科技厅科普项目（2022JDKP0093）；四川省科技创新创业苗子工程重点项目（2022JDRC0076）；四川省无人系统智能感知控制技术工程实验室开放课题（WRXT2021-001）；大学生创新训练项目（S202110624151）

基于图像的特征点检测器在静态图像上取得了卓越的性能，然而这些方法应用于视频或序列图像时其精度和稳定性显著降低。配准监督（Supervision-by-Registration，SBR）算法利用光流算法（Lucas-Kanade，LK）追踪，可通过无标注视频训练针对视频的特征点检测器，已取得较好的结果，但LK算法仍存在一定局限性，导致检测的特征点序列在时空上的连贯性不强。为获得精准、稳定、连贯的人脸特征点序列检测效果，提出了平滑一致性损失函数、权重掩码函数对传统SBR网络模型进行改进。网络中添加长短期记忆网络（Long Short-Term Memory,LSTM）提高模型训练鲁棒性，在模型训练中使用平滑一致性损失函数提供稳定性约束，获得准确且稳定的人脸视频特征点检测器。在300VW、Youtube Celebrities数据集上的验证显示，SBR改进模型将人脸视频特征点检测的标准化平均误差（Normalized Mean Error，NME）从4.74降低至4.56，且视觉上人脸特征点检测的抖动显著减少。

来源：2023年第5期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第5期