基于圖像的人臉特征提取與發(fā)型分類.pdf

1、人臉特征提取是人臉圖像分析技術(shù)的關(guān)鍵，它被廣泛應用于人臉識別、人臉表情分析、三維人臉重建等領(lǐng)域，然而人臉特征點定位不準確的問題依然存在。頭發(fā)在人體表觀中具有重要作用，由于缺少有效的頭發(fā)分類技術(shù)，大大降低了三維人臉變形、3D試衣的真實性。因此，本文針對上述問題進行了相關(guān)研究，研究內(nèi)容主要包括:
　　(1)人臉存在性及合理性的檢測。利用膚色檢測算法對經(jīng)過預處理后的圖像進行處理，增強圖像中的人臉區(qū)域，通過協(xié)方差矩陣在人臉區(qū)域進行坐標系重

2、建，根據(jù)其中心點位置構(gòu)建閾值關(guān)系，構(gòu)建人臉（包含脖頸）區(qū)域的最小外接包圍盒，根據(jù)閾值關(guān)系進行人臉存在性及合理性的判定。
　　(2)人臉特征提取。為了獲取測試圖像中的人臉特征數(shù)據(jù)，使用主動形狀模型(ASM)算法進行處理，針對原算法直接采用灰度值信息構(gòu)建局部輪廓模型，灰度值對外部自然因素比較敏感，本文采用特征點及其正負方向一定區(qū)域像素點的邊緣結(jié)構(gòu)方向構(gòu)建局部輪廓模型，該方法在特征點及相關(guān)像素點的法線方向上采集圖像的灰度分布特征，能有效

3、利用圖像信息。在ASM搜索過程中，利用基于混合投影的眼睛精確定位方法實現(xiàn)眼睛區(qū)域的精確定位，根據(jù)眼睛位置信息確定模板形狀的平移、旋轉(zhuǎn)和尺度變化參數(shù)。然后，通過改進的搜索策略進行特征點匹配，進一步提升特征點匹配的準確度。
　　(3)發(fā)型分類。提出一種基于顏色空間與曲線變化的能量模型實現(xiàn)對頭發(fā)區(qū)域的分割，根據(jù)輪廓檢測的圖像數(shù)據(jù)，逐點對頭發(fā)邊緣進行檢測分割。利用主成分分析(PCA)和支持向量機(SVM)方法實現(xiàn)對正面圖像的發(fā)型分類。同時