基于局部約束模型與SCMS的面部特征點(diǎn)跟蹤.pdf

1、人臉面部的特征點(diǎn)定位與追蹤是近年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域的研究中一個(gè)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(wèn)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(lái)的計(jì)算復(fù)雜度的問(wèn)題，二是擬合階段的擬合算法的選擇。本文針對(duì)CLM的這兩個(gè)問(wèn)題進(jìn)行了細(xì)致的研究，并提出一種改進(jìn)型 CLM模型和一種改進(jìn)的匹配擬合算法。具體為：
　　1.基于獨(dú)立分量分析的改進(jìn)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(jì)和分析的方法，但PCA缺乏對(duì)高階信息的統(tǒng)計(jì)，對(duì)局部特征提取的提升潛力有限。而 ICA基于高階統(tǒng)計(jì)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(jìn)型 CLM中來(lái)進(jìn)行形狀特征的提取，雖然略微增加了計(jì)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(jì)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(wú)參數(shù)的核密度估計(jì)法來(lái)估計(jì)關(guān)鍵點(diǎn)的響應(yīng)，隨后使用 Mean-shifts方法來(lái)最大化該響應(yīng)估計(jì)量并進(jìn)行迭代，擬合關(guān)鍵點(diǎn)位置。該法充分利用了內(nèi)核估計(jì)方法計(jì)算量較低的優(yōu)點(diǎn)，并且兼顧了局部?jī)?yōu)化的目標(biāo)，因此在計(jì)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(guò)在640*480，每秒25幀的人臉視頻上進(jìn)行特征點(diǎn)的定位與追蹤實(shí)驗(yàn)來(lái)檢測(cè)我們算法的性能，并與采用ASM模型的算法進(jìn)行對(duì)比。結(jié)果顯示改進(jìn)型C