關鍵詞：計量學 人臉識別 深度卷積神經網絡 人臉特征點 姿態估計 

摘要：為了提高復雜背景下面部信息的識別性能,提出了一種面向人臉特征點定位和姿態估計任務協同的深度卷積神經網絡(DCNN)方法。首先從視頻圖像中檢測出人臉信息;其次設計一個深度卷積網絡模型,將人臉特征點定位和姿態估計兩個任務協同優化,同時回歸得到人臉特征點坐標和姿態角度值,然后融合生成相應的人機交互信息;最后采用公開數據集和實際場景數據進行測試,并與其他現有方法進行比對分析。實驗結果表明:該方法在人臉特征點定位和姿態估計上表現出較好的性能,在光照變化、表情變化、部分遮擋等復雜條件下人機交互應用也取得了良好的準確性和魯棒性,平均處理速度約16幀/s,具備一定的實用性。

計量學報雜志要求:

{1}參考文獻的著錄格式采用順序編碼制，著錄表置于文末，其排列順序以正文出現的先后為準，文內用方括號按先后順序標注，且置于行文的右上角。

{2}本刊采用匿名審稿制。

{3}本刊編輯部將在收到來稿后3個月內答復您是否采用。如在3個月后仍未接到本刊采用通知，請盡快與本刊編輯部聯系查詢。

{4}來稿子標題的層級序號。標題層次不宜太多，建議文內標題層次為四級：一、(一)、1.、(1)。

{5}請在稿件最后附上您的姓名、工作單位、聯系電話、郵箱、通訊地址、郵政編碼，以便及時聯系。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社