2023年2月25日第7卷第4期现代信息科技ModernInformationTechnologyFeb.2023Vol.7No.491912023.022023.02收稿日期：2022-10-08基于循环推理网络的人脸关键点检测算法王兴（北京中电普华信息技术有限公司，北京102208）摘要：人脸关键点检测是计算机视觉任务中研究的一个重要话题。但目前的人脸关键点检测算法只能有效地提取人脸的表观信息，未能充分挖掘人脸的结构信息。为了解决上述问题，提出了循环推理网络用于人脸关键点的检测，通过分批次循环递归地学习人脸结构信息和人脸表观信息，使得神经网络能有效地提取人脸的结构信息。通过在AFLW2000-3D数据集的实验表明，文章的算法优于其他经典的人脸关键点检测算法。关键词：人脸关键点检测；人脸表观信息；人脸结构信息；神经网络中图分类号：TP391.4文献标识码：A文章编号：2096-4706（2023）04-0091-04FaceLandmarkDetectionAlgorithmBasedonRecurrentInferenceNetworkWANGXing(BeijingChina-PowerInformationTechnologyCo.,Ltd.,Beijing102208,China)Abstract:Facelandmarkdetectionisanimportanttopicincomputervisiontasks.However,thecurrentfacelandmarkdetectionalgorithmcanonlyeffectivelyextractthefaceapparentinformation,butnotfullyexplorethestructuralinformationoftheface.Inordertosolvetheaboveproblems,arecurrentinferencenetworkisproposedtodetectthelandmarkoftheface.Theneuralnetworkcaneffectivelyextractthestructuralinformationofthefacebylearningthestructuralinformationandtheapparentinformationofthefacerecursivelyinbatches.ExperimentsonAFLW2000-3Ddatasetsshowthattheproposedalgorithmoutperformsotherclassicalfacelandmarkdetectionalgorithmsinthispaper.Keywords:facelandmarkdetection;faceapparentinformation;facestructureinformation;neuralnetwork0引言随着深度学习的不断发展，计算机视觉成为深度学习领域的研究的热点问题。3D人脸重建[1，2]和人脸关键点[3，4]是计算机视觉中两个基本且高度相关的任务。近几十年来，这两个任务相互促进，取得了令人瞩目的成果。Blanz等[5]提出了一种基于主成分分析（PCA）的3D人脸可变形模型（3DMM）。3DMM是一种基于统计参数模型，它将3D人脸近似为形状和纹理的线性组合，包括形状参数和纹理参数，形状参数又包括身份参数和表情参数。通过参数的线性组合可以更好地处理具有不同姿势和光照的2D人脸图像。...
