人臉關鍵點檢測是人臉識別和分析領域中的關鍵一步，它是諸如自動人臉識別、表情分析、三維人臉重建及三維動畫等其它人臉相關問題的前提和突破口。

雖然人臉的結構是確定的，由眉毛、眼睛、鼻子和嘴等部位組成，近似是一個剛體，但由于姿態和表情的變化，不同人的外觀差異，光照，遮擋的影響，準確的檢測處于各種條件下的人臉也是一件相對困難的事情。

傳統人臉關鍵點檢測數據庫為室內環境下采集的數據庫，而現階段人臉關鍵點檢測數據庫通常為復雜環境下采集的數據庫。

AFLW 人臉數據庫包含 25993 幅從 Flickr 采集的人臉圖像，每個人臉標定 21 個關鍵點。

COFW 人臉數據庫包含 LFPW 人臉數據庫訓練集中的 845 幅人臉圖像以及其他 500 幅遮擋人臉圖像，而測試集為 507 幅嚴重遮擋(同時包含姿態和表情的變化)的人臉圖像，每個人臉標定 29 個關鍵點。

MVFW 人臉數據庫為多視角人臉數據集，包括 2050 幅訓練人臉圖像和 450 幅測試人臉圖像，每個人臉標定 68 個關鍵點。

Dlib是基于現代C++的一個跨平臺通用的框架，緣起于實現了2014年一篇著名CVPR論文的算法：“用回歸樹，一毫秒搞定人臉對齊。”每個人臉標定 68 個關鍵點，自從人臉檢測Dlib庫問世，網友們紛紛表示：好用！

(Dlib人臉特征點檢測效果圖)

毋庸置疑，人臉關鍵點越多，檢測就更精準、更貼邊、更能解決關鍵點抖動的問題，滿足更多場景需求。很明顯，我們發現盡管是目前最受歡迎的人臉檢測Dlib，特征點最多也只是到眉毛處，在額頭區域是沒有分布特征點的。

(人臉68個特征點分布)

于是，最近有個叫做Niko的程序猿，發布了擁有81個關鍵點，能夠覆蓋額頭區域的面部檢測工具：

其主要的工作就是在人臉檢測Dlib庫68個特征點的基礎上，增加了13個特征點(共81個) ，把前額也包含在追蹤范圍里，使得頭部檢測和圖像操作更加精確。

0-67是dlib既有的68個臉部關鍵點；

68-80是程序猿新增的13個前額關鍵點。

程序猿說，他是從Patrick Huber的eos項目 (一個輕量級3DMM) 上，fork出了一個分支，用Surrey人臉模型找到了自己需要的這13個額外的點。然后，用整個ibug大數據庫訓練了模型，拿81點替換了原本的68點。

它的訓練方法類似于Dlib的68個面部特征點形狀預測器。只是在原有的68個特征點的基礎上，在額頭區域增加了13個點。這就使得頭部的檢測，以及用于需要沿著頭部頂部的點的圖像操作更加精準。

總結

以上是生活随笔為你收集整理的caffe 人脸关键点检测_人脸检测关键点新增至81个，比Dlib更精准、更贴边的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。