针对传统人脸对齐算法效率较低

在人脸表情、头部姿势、光照差异较大的情况下鲁棒性差等问题

提出一种基于K-means的精确人脸对齐算法。首先

针对训练图像

采用K-means实现聚类

将训练图像分为k类

使距离相近的人脸图像聚为一类。其次

针对输入图像

找到与其相似的类

通过K最近邻(K-NN)算法

选取k张与输入人脸图像最相似的训练图像

建立输入图像的形状和外观模型。然后

将非线性脸部模型转换为一系列的线性组合实现快速拟合。最后

通过300—W基准数据集测试

测试结果表明

与SDM和ESR人脸对齐方法相比

K-means的人脸对齐算法精度提高了2%～4%。