智能人機交互中的人臉特征定位與人體運動識別方法研究.pdf

1、隨著人機交互技術在智能化方向快速發(fā)展，越來越多的通用軟件使用了智能交互技術作為新型交互手段，而當前科技領域應用最廣泛的智能交互技術當屬人臉識別、表情識別、人臉動畫、人體行為分析、行為語義化等內容。人臉特征定位和人體運動識別作為這些技術的基礎支撐技術，近十年也得到了廣泛研究和快速發(fā)展。人臉特征定位是指在人臉圖像上計算出一系列預定義的位置，人體運動識別是指通過對人體運動數據進行統(tǒng)計分析，進而得到運動序列的分類和預測結果。近年來人臉特征定位和

2、人體運動識別都取得了大量的成果，并在一定條件下定位精度和識別精度均達到較高水準。然而大量實驗證明，現有的算法在自然條件下的定位精度和識別精度都尚未達到實用水平，無法提供自然人機交互時需要的高效精確的分析能力。因此，本文針對現有方法存在的問題展開研究，為人臉特征定位和人體運動識別相關的應用提供高性能方法，進一步提高人機交互的智能性。
　　現有人臉特征定位方法主要面臨的問題:一是成像條件多樣性，人臉外觀變化高度非線性，缺乏良好的非線性

3、人臉外觀理論模型。二是對初始外形依賴嚴重，算法對遮擋，大形變等問題不魯棒。人體運動識別方法主要面臨的問題:一是運動表示方法眾多，簡單運動表示方法蘊含信息量不足，運動識別困難;復雜運動表示方法蘊含信息量大但計算量也大，運動識別效率低下。二是現有運動表示區(qū)分度差，同一個部位的運動可能存在多個不同表示，而彌補運動確定性，往往需要額外的運動描述信息，最終導致算法復雜度增加，影響識別率。
　　針對上述困難，本文著重研究了人臉特征的局部外觀和

4、整體外觀模型的建立、人臉特征定位中的外形初始化以及人體運動識別中的運動表示等問題。并針對這三個問題提出了三個方面的解決方案:
　　1.提出一種基于全局特征和局部特征結合的級聯人臉特征定位方法。
　　針對自然條件下的人臉特征定位應用存在遮擋，大形變等因素，設計了一種局部特征回歸和全局特征回歸交替進行的框架算法，該框架算法的執(zhí)行分為兩個階段。第一階段，需要在人臉圖像的局部區(qū)域提取具有高區(qū)分度的局部特征訓練隨機森林，然后根據局部特

5、征在隨機森林中葉子節(jié)點的位置進行直方圖統(tǒng)計形成圖像特征編碼，最后使用特征編碼和樣本的真實值求解線性回歸矩陣并使用該矩陣進行外形增量計算。第二階段，在第一階段計算出的人臉外形區(qū)域產生全局特征，并通過計算選擇出與當前人臉外形相關度最大的幾對全局特征用于隨機蕨的訓練，然后使用訓練好的隨機蕨估計出外形增量。該算法有效的降低遮擋情況下局部外形回歸誤差對人臉外形估計產生的不良影響，同時也具備局部外形回歸描述細節(jié)的能力。
　　2.提出一種基于后

6、驗概率的人臉初始化方法。
　　提出一種從現有的真實樣本空間中找到與當前外形最貼近外形的線性組合作為初始值的方法。該方法尋找初始外形的過程包括以下步驟:第一，使用全局特征對樣本集進行分類，分類結果在直觀上的表現傾向于頭部姿態(tài)或者朝向的分類。第二，對任意測試圖像，進行一次分類并確定對應人臉類別，然后根據當前人臉類別中的樣本和概率分布確定估計外形，并計算外形中心。第三，通過計算外形中心和圖像信息確定對應的后驗概率分布的參數，最后使用級聯

7、回歸方法對人臉特征點進行定位。這種方法能有效的尋找到與當前人臉外形最貼切的外形組合作為初始外形，提高了人臉特征定位的精度并且有效降低外形定位的迭代次數。
　　3.提出一種基于李群理論的人體運動表達方法。
　　由于傳統(tǒng)的運動表示方法存在相對幾何與骨骼運動信息對應不確定的問題，提出了一種基于正交群的相對幾何表示方法，該方法有效的排除相對幾何在骨骼運動信息表示的多義性。并且論文從理論上證明了這種表示方法具有優(yōu)秀的運動映射關系，能為