基于K-means的精确人脸对齐算法

摘要

针对传统人脸对齐算法效率较低,在人脸表情、头部姿势、光照差异较大的情况下鲁棒性差等问题,提出一种基于K-means的精确人脸对齐算法.首先,针对训练图像,采用K-means实现聚类,将训练图像分为k类,使距离相近的人脸图像聚为一类.其次,针对输入图像,找到与其相似的类,通过K最近邻(K-NN)算法,选取k张与输入人脸图像最相似的训练图像,建立输入图像的形状和外观模型.然后,将非线性脸部模型转换为一系列的线性组合实现快速拟合.最后,通过300—W基准数据集测试,测试结果表明,与SDM和ESR人脸对齐方法相比,K-means的人脸对齐算法精度提高了2％～4％.