復(fù)雜背景下人臉特征點(diǎn)跟蹤算法研究.pdf

1、隨著信息技術(shù)和人工智能的快速發(fā)展，計(jì)算機(jī)逐漸具備模擬人的思維和智慧的能力，計(jì)算機(jī)視覺成為了一個(gè)熱門的研究課題。近年來，人臉檢測(cè)、人臉識(shí)別、特征提取、人臉特征點(diǎn)跟蹤等方方面面的研究方法也逐漸豐富和成熟。其中，人臉特征點(diǎn)跟蹤是后續(xù)人臉識(shí)別和表情分析的基礎(chǔ)。學(xué)者們已提出了很多的跟蹤算法，但是在現(xiàn)實(shí)應(yīng)用中，視頻中的人臉容易受到姿態(tài)、表情和遮擋等各種內(nèi)外因素的影響，使得人臉特征點(diǎn)跟蹤變得非常困難。復(fù)雜背景下人臉特征點(diǎn)的跟蹤問題，仍然值得深入研究。

2、
　　本文的主要研究工作和創(chuàng)新性主要體現(xiàn)在以下幾個(gè)方面:
　　1、對(duì)主流跟蹤算法進(jìn)行分析對(duì)比，仿真實(shí)驗(yàn)對(duì)比分析了粒子濾波算法與EKF、UKF算法在跟蹤問題上的誤差率。實(shí)驗(yàn)對(duì)比分析了Mcanshift、光流、KLT等跟蹤方法的準(zhǔn)確率。實(shí)驗(yàn)證明，選取粒子濾波用于面部特征點(diǎn)的跟蹤，是行之有效的。
　　2、在構(gòu)建的形狀約束模型基礎(chǔ)上，提出了一種基于顏色和紋理特征的粒子濾波人臉特征點(diǎn)跟蹤算法。由于鼻子特征點(diǎn)在整個(gè)跟蹤過程中變化很

3、小，因此以它為基準(zhǔn)點(diǎn)對(duì)眉毛、眼睛、嘴巴等關(guān)鍵特征點(diǎn)構(gòu)建一個(gè)形狀約束模型。然后，提取各個(gè)特征點(diǎn)區(qū)域的顏色和紋理特征，計(jì)算每個(gè)特征點(diǎn)在下一幀與上一幀中全部特征的相似度，將相似度最高的地方作為該特征點(diǎn)的最佳目標(biāo)位置。當(dāng)特征點(diǎn)的誤差超過約束模型中的約束條件時(shí)，重啟ASM算法進(jìn)行特征點(diǎn)定位，然后再進(jìn)行粒子濾波跟蹤。實(shí)驗(yàn)證明，該算法能有效改善復(fù)雜背景下的姿態(tài)、表情和遮擋變化帶來的影響，具有很好的準(zhǔn)確性和魯棒性。
　　3、提出了一種改進(jìn)的Con