人臉標(biāo)定與開集識(shí)別算法研究.pdf

1、隨著科技的發(fā)展和人們安全意識(shí)的提高，對(duì)快速有效的身份鑒別的需求日益迫切。人臉相比于其他人體生物特征具有直接、友好、不具侵犯性等優(yōu)點(diǎn)，因此人臉圖像識(shí)別成為身份鑒別的研究熱點(diǎn)，有著廣泛的應(yīng)用前景。一套完整的人臉圖像識(shí)別系統(tǒng)，包括3個(gè)關(guān)鍵步驟：人臉檢測(cè)、面部特征點(diǎn)標(biāo)定、特征比對(duì)。三個(gè)步驟環(huán)環(huán)相扣，直接影響人臉識(shí)別系統(tǒng)的識(shí)別性能。 本文的研究方向是人臉標(biāo)定與開集識(shí)別算法，重點(diǎn)探討了人臉識(shí)別系統(tǒng)中面部特征點(diǎn)標(biāo)定和特征比對(duì)中的開集識(shí)別問題，

2、提出相關(guān)優(yōu)化算法，并實(shí)現(xiàn)對(duì)應(yīng)的系統(tǒng)模塊。體現(xiàn)在工作量上，包括以下部分： 1. 將Adaboost人臉檢測(cè)方法推廣到復(fù)雜背景下的多角度人臉檢測(cè)，實(shí)現(xiàn)了基于角度估計(jì)的多角度人臉檢測(cè)演示模塊。 作為人臉標(biāo)定的前期步驟，人臉檢測(cè)算法的精度直接影響著后續(xù)標(biāo)定工作的精度。與正面人臉檢測(cè)相比，多角度人臉檢測(cè)的研究相對(duì)薄弱，難度也大得多。本文將多角度人臉劃分成三類：全側(cè)臉，半側(cè)臉及正面人臉，并為不同角度的人臉建立不同的分類器分別用于檢測(cè)

3、和角度估計(jì)，解決了復(fù)雜背景下多角度人臉檢測(cè)問題。 2. 研究了面部特征點(diǎn)精確標(biāo)定問題，針對(duì)傳統(tǒng)ASM輪廓定位不精的缺點(diǎn)，提出局部輪廓約束的主動(dòng)形狀模型，并實(shí)現(xiàn)了準(zhǔn)實(shí)時(shí)正面人臉特征標(biāo)定演示模塊。主動(dòng)形狀模型（ASM）是面部特征點(diǎn)標(biāo)定的一種常用算法。針對(duì)傳統(tǒng)ASM對(duì)面部輪廓點(diǎn)定位不夠理想的問題，本文提出了一種局部輪廓約束的主動(dòng)形狀模型（Local Profile Constraint ASM）。該模型對(duì)傳統(tǒng)ASM有兩個(gè)方面的改進(jìn)：其

4、一，將候選點(diǎn)的輪廓強(qiáng)度作為自調(diào)節(jié)權(quán)重加入ASM的局部紋理匹配函數(shù)，使最佳匹配點(diǎn)更易被吸引到面部輪廓上。其二，引入全變分模型（TVM）作為圖像實(shí)施標(biāo)定前的預(yù)處理，在保留足夠用于標(biāo)定的紋理信息前提下，增強(qiáng)輪廓點(diǎn)與其一維鄰域點(diǎn)的輪廓強(qiáng)度對(duì)比。在BioID人臉庫(kù)上的大規(guī)模測(cè)試結(jié)果表明，該方法有效地提高了輪廓點(diǎn)的定位精度，為后續(xù)的特征比對(duì)打下良好的配準(zhǔn)基礎(chǔ)。 3. 研究了特征比對(duì)中的開集識(shí)別問題，提出基于Adaboost的開集人臉識(shí)別算法