《表1 LFPE数据集上不同方法的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于形状索引的DoG特征结合GPRT的人脸关键点检测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在这一节，将使用了形状索引的DoG特征的GPRT与以下最先进的方法进行比较:形状回归（ESR）[13]，鲁棒的级联构成回归[14]、碱度下降法（SDM）[15-16]。其中文献[13]提出一种形状到形状的显式形状回归方法，利用丰富的几何形状先验定位人脸特征点。并且引入一种射影不变量—特征数（CN）去描述和刻画人脸固有的几何形状结构。提出一种鲁棒、有效的特征点检测器。通过构建特征数与形状之间的映射关系，建立从局部到全局的形状回归模型。LFPW人脸关键点部分检测结果如图4所示。文献[14]重点对鲁棒关键点定位技术进行了对比研究，并设计实现了一个综合鲁棒表情关键点定位演示系统。文献[15]提出了基于人眼拓扑结构的人眼特征点跟踪。在LFPW人脸数据集进行试验，对比几种方法，结果如表1所示。