基于統(tǒng)計(jì)學(xué)習(xí)的人臉特征點(diǎn)定位算法研究.pdf

1、人臉圖像的特征點(diǎn)定位是人臉圖像分析與識(shí)別問(wèn)題的一個(gè)關(guān)鍵前提，人臉特征點(diǎn)的精確定位為人臉識(shí)別、人臉姿態(tài)估計(jì)、表情分析、年齡估計(jì)、人機(jī)交互、3D人臉動(dòng)畫(huà)建模等工作的進(jìn)行提供了有力的保障。然而由于拍攝條件的不可控性，人臉圖像往往存在著光照、表情、姿態(tài)、遮擋等一系列成像因素的復(fù)雜變化。這些影響因素使得人臉圖像之間的差異千變?nèi)f化，給特征點(diǎn)的定位帶來(lái)巨大的挑戰(zhàn)?，F(xiàn)有算法的精度和魯棒性尚不能滿足實(shí)際應(yīng)用的要求。
　　本論文主要針對(duì)具有復(fù)雜變化的

2、人臉特征點(diǎn)定位問(wèn)題展開(kāi)深入的理論研究和實(shí)驗(yàn)驗(yàn)證。論文著眼于使用統(tǒng)計(jì)學(xué)習(xí)理論在有限的人臉圖像樣本集下提出對(duì)各種人臉變化都比較魯棒的高效率、高精度的人臉特征點(diǎn)定位方法。主要的研究成果包括:
　　(1)針對(duì)視頻人臉特征點(diǎn)的跟蹤定位問(wèn)題，提出了基于光流法約束AAM的人臉特征點(diǎn)跟蹤方法。與靜態(tài)圖像不同，視頻圖像的上下幀之間存在著一定的相關(guān)性。利用Lucas-Kanade光流法跟蹤預(yù)測(cè)目標(biāo)關(guān)鍵點(diǎn)的位置，通過(guò)分析幀間相似性，利用幀間相似性保持的

3、性質(zhì)來(lái)預(yù)測(cè)AAM定位的初始特征點(diǎn)。該方法充分利用了視頻幀間的相關(guān)性信息，使得AAM可以很好地適應(yīng)人臉的運(yùn)動(dòng)，提高了特征點(diǎn)跟蹤的速度，同時(shí)增強(qiáng)了整個(gè)算法的魯棒性。
　　(2)通過(guò)分析人臉圖像內(nèi)容的局部穩(wěn)定性與變化性，提出了基于統(tǒng)計(jì)形變模型的兩步驟人臉特征點(diǎn)定位方法。該方法利用了ASM與AAM方法各自的優(yōu)勢(shì)，在形狀點(diǎn)分布模型PDM所建立的整體形狀模型約束下，對(duì)人臉圖像的五官和外輪廓進(jìn)行分步定位，即先使用AAM定位人臉內(nèi)部五官特征點(diǎn)，再

4、使用ASM定位外部輪廓特征點(diǎn)，然后將內(nèi)外特征點(diǎn)結(jié)合起來(lái)生成整體定位結(jié)果。為了提高ASM模型定位的準(zhǔn)確性，對(duì)ASM的局部紋理模型進(jìn)行了從一維的簡(jiǎn)單灰度向量模型到2D局部紋理建模的改進(jìn)。實(shí)驗(yàn)結(jié)果表明，所提出的兩步驟方法與其它統(tǒng)計(jì)形變模型相比，在魯棒性與定位精度上都有明顯的提高，可以較好地適應(yīng)人臉姿態(tài)與表情的變化。
　　(3)針對(duì)生活場(chǎng)景下的復(fù)雜人臉圖像數(shù)據(jù)的研究，提出了基于分類(lèi)隨機(jī)蕨的快速人臉特征點(diǎn)定位方法。該方法分析了目前存在的基于