面部特征点评价标准:

Posted 2022-10-21 机器学习的小学生

文献[1]：

单个面部特征点检测误差的衡量：

$$err = \\sqrt(x-x\')^2 + (y - y\')^2 /l$$

其中$(x,y)$和$(x\',y\')$分别表示真实的面部特征点位置和检测的位置。$l$是人脸检测器检测到的人脸box的宽度，如果误差大于5%，则认为检测失败。
瞳孔距离也通常用作检测误差的标准化，但是对于侧脸的情况，瞳孔之间的距离比前侧人脸的瞳孔之间的距离小很多，

文献[2]:
we normalize pixel error with respect to the face
size, computed as the mean of height and width.

文献[3]:

文中给出了两种平均标准：平均标准化偏差 和 最大标准化偏差。

其他：

如果人脸box大小都进行了归一化，可以采用下面的简单形式：

$$error= \\frac1N \\sum_i^N \\sqrt(x_i - x\'_i)^2 + (y_i - y\'_i)^2$$

参考文献：
1.Deep Convolutional Network Cascade for Facial Point Detection
2.Face Detection, Pose Estimation, and Landmark Localization in the Wild
3.detector of facial landmarks learned by the structured output svm_2012