基于局部約束模型與SCMS的面部特征點跟蹤.pdf

1、人臉面部的特征點定位與追蹤是近年來計算機視覺領(lǐng)域的研究中一個比較基礎(chǔ)但是又很具挑戰(zhàn)性的課題，其中，局部約束模型（即CLM）是一種比較常用的算法。但是有兩大問題制約著它的發(fā)展和應(yīng)用范圍，一是模型所包含的圖像信息的限制以及隨之帶來的計算復(fù)雜度的問題，二是擬合階段的擬合算法的選擇。本文針對CLM的這兩個問題進行了細(xì)致的研究，并提出一種改進型 CLM模型和一種改進的匹配擬合算法。具體為：
　　1.基于獨立分量分析的改進型CLM模型。傳統(tǒng)的

2、CLM一般使用主成分分析（即PCA）作為統(tǒng)計和分析的方法，但PCA缺乏對高階信息的統(tǒng)計，對局部特征提取的提升潛力有限。而 ICA基于高階統(tǒng)計信息，可以有效地描述局部特征，并且受樣本數(shù)量的影響不大。本文將 ICA引入到改進型 CLM中來進行形狀特征的提取，雖然略微增加了計算量，但是匹配的精準(zhǔn)度得到很大的提升。
　　2.基于子空間約束的 CLM擬合算法。目前主流的 CLM擬合算法都存在一些缺陷，如適用條件較多，計算量較大。本文提出的基

3、于子空間約束的 CLM優(yōu)化算法使用一種無參數(shù)的核密度估計法來估計關(guān)鍵點的響應(yīng)，隨后使用 Mean-shifts方法來最大化該響應(yīng)估計量并進行迭代，擬合關(guān)鍵點位置。該法充分利用了內(nèi)核估計方法計算量較低的優(yōu)點，并且兼顧了局部優(yōu)化的目標(biāo)，因此在計算量和精準(zhǔn)度上均獲得了較好的性能提升。
　　最后我們通過在640*480，每秒25幀的人臉視頻上進行特征點的定位與追蹤實驗來檢測我們算法的性能，并與采用ASM模型的算法進行對比。結(jié)果顯示改進型C