基于AAM的人臉檢測和應(yīng)用.pdf

1、隨著人工智能、人機交互、虛擬現(xiàn)實等技術(shù)的發(fā)展,計算機視覺領(lǐng)域逐漸成為了一個備受關(guān)注的研究領(lǐng)域,人臉檢測技術(shù)則是其中的一項關(guān)鍵技術(shù)。人臉檢測是指對于給定的輸入圖像進行搜索并確定是否含有人臉,若有則返回相關(guān)參數(shù)等信息。人臉檢測的方法有很多,主動表觀模型(Active Appearance Model,AAM)是一種典型的人臉檢測方法。AAM利用構(gòu)建好的可變形模型對輸入圖像中的人臉目標(biāo)進行匹配,并將成功匹配后的模型參數(shù)作為人臉檢測和人臉特征檢

2、測的結(jié)果。本文主要研究和改進了基于AAM的人臉檢測方法,并在此基礎(chǔ)上提出了一種基于AAM的人臉姿態(tài)估計方法和人臉視頻跟蹤方法。
　　 本文介紹了傳統(tǒng)AAM算法建立模型和建模后進行擬合的過程,針對AAM受初始化位置影響較大的情況,改進了AAM的模型初始化方法,并在AAM擬合式中增加了一項約束條件,使模型更加容易收斂到正確的位置;針對AAM關(guān)鍵特征點擬合不夠精確這一情況,在擬合式中加入了紋理權(quán)重,使模型擬合的時候優(yōu)先考慮關(guān)鍵特征的紋

3、理,減少關(guān)鍵特征擬合不夠精確的情況。實驗證明,本文算法的檢測結(jié)果比傳統(tǒng)AAM算法更加準確有效。
　　 本文提出了一種基于AAM人臉檢測的人臉姿態(tài)估計方法。該方法主要利用不同的形狀參數(shù)使AAM模型表現(xiàn)出不同的姿態(tài)外觀,并根據(jù)AAM擬合成功后的模型形狀參數(shù)結(jié)合檢測出的人臉特征位置來估計人臉姿態(tài)。實驗證明本文提出的人臉姿態(tài)估計方法能有效的估計人臉姿態(tài)。
　　 本文改進了基于AAM的人臉跟蹤算法。本文在原始AAM跟蹤算法基礎(chǔ)上,