基于任务协同的DCNN学习方法及人机交互应用

摘要

为了提高基于面部信息识别的人机交互性能,提出了一种基于任务协同的深度卷积神经网络学习方法.首先从视频图像中检测出人脸信息,其次设计一个深度卷积网络模型,将人脸特征点定位和姿态估计两个任务协同起来,同时回归得到人脸特征点坐标和姿态角度值,然后融合生成相应的人机交互信息,最后采用公开数据集和实际场景数据进行测试,并与其他现有方法进行比对分析.实验结果表明,本文方法在人脸特征点定位和姿态估计上在表现出较好的性能,在光照变化、表情变化、部分遮挡等复杂条件下人机交互应用也取得了良好的准确性和鲁棒性,平均处理速度达到16帧/秒左右,已具备一定的实用性.