基于膚色模型的人臉檢測及特征點定位方法研究.pdf

1、人臉檢測及特征點定位在計算機視覺研究中有著重要地位，在生活中應用也極其廣泛。人臉檢測是指在輸入圖像中檢測是否存在人臉，如果存在，則標識出人臉區(qū)域的位置。特征點定位則是在人臉檢測的基礎上，更精確地尋找到臉部的特征點位置。人臉檢測及特征點定位是很多人臉相關應用如表情識別、姿態(tài)估計、人臉動畫合成中的關鍵步驟，這兩個步驟的性能對其后續(xù)人臉相關應用有重要影響。傳統(tǒng)的人臉檢測及特征點定位方法在訓練階段需要進行復雜的特征提取，且魯棒性不佳。本論文致力

2、于簡化特征提取環(huán)節(jié)，并構造新的特征點定位優(yōu)化方法，進一步提高檢測和定位的準確性和速度。
　　本文對人臉檢測及特征點定位方法進行了深入研究。首先，將膚色模型和用深度學習方法訓練的人臉分類器結合用于人臉的檢測，在人臉檢測的基礎上，再利用回歸網(wǎng)絡對檢測結果不精確的人臉區(qū)域做回歸處理，以獲得更精準的人臉檢測定位。接下來，根據(jù)回歸后的人臉檢測結果進行特征點定位。特征點定位是采用隨機森林方法，通過對人臉特征點建立全局約束模型進行整體優(yōu)化，利用

3、級聯(lián)回歸結構迭代獲得人臉特征點的精確位置。論文主要研究內(nèi)容如下：
　　1、而本文中通過深度學習方法設計并訓練一個人臉分類器網(wǎng)絡，將其與膚色模型相結合，能夠更有效地檢測出復雜場景下的人臉，且避免了顯式的特征設計和提取環(huán)節(jié)。
　　2、針對前一步驟人臉檢測環(huán)節(jié)中可能出現(xiàn)的檢測精度不高的情況，設計了一個回歸網(wǎng)絡，利用回歸網(wǎng)絡對檢測結果進行回歸校正以獲得更精確的檢測定位。
　　3、特征點定位初始階段將根據(jù)人臉檢測結果給特征點賦予

4、初始坐標，因此，一個精確的人臉檢測結果對于提升特征點定位的速度和精度有重要作用。本文首先訓練隨機森林模型實現(xiàn)對特征點定位重要特征的篩選，之后對人臉特征點建立全局約束模型，用最小二乘方法對全局模型參數(shù)進行整體優(yōu)化，最后利用級聯(lián)回歸結構進行迭代獲得人臉特征點的精準定位。
　　實驗結果表明，改進的人臉檢測及特征點定位系統(tǒng)能夠有效提高復雜環(huán)境下人臉檢測及特征點定位的性能，在保證魯棒性及較高定位精度的前提下，還擁有接近實時的較高檢測及定位速