基于改進(jìn)型主動外觀模型的面部特征定位與人臉識別方法研究.pdf

1、人臉識別作為生物識別技術(shù)之一，是指基于已知的人臉樣本庫，利用圖像處理和模式識別技術(shù)從靜態(tài)或動態(tài)場景中，識別或驗(yàn)證一個或多個人臉，在商業(yè)、安全等領(lǐng)域有著廣泛的應(yīng)用前景。人臉面部特征定位是實(shí)現(xiàn)人臉圖像分析的關(guān)鍵，對人臉識別和面部特征定位進(jìn)行研究具有重要的理論和應(yīng)用價值。人臉特征定位是通過計算機(jī)在人臉圖像中自動定位出人臉各個器官，包括眼睛、鼻子、嘴巴、下巴、耳朵以及人臉外輪廓等特征點(diǎn)的位置。主動外觀模型是進(jìn)行人臉面部特征定位和人臉識別的有效方

2、法，近年來已成為圖像處理等領(lǐng)域的研究熱點(diǎn)。本論文所做的主要工作是研究基于主動外觀模型的面部特征定位和人臉識別技術(shù)。主要工作和創(chuàng)新成果如下： 1.詳細(xì)介紹了主動外觀模型(Active Appearance Models，AAMs)的基本思想和方法，提出了一種基于獨(dú)立分量分析(Independent Component Analysis，ICA)的主動外觀模型-ICA-AAMs，并將其用于人臉面部特征定位和人臉識別實(shí)驗(yàn)。經(jīng)典的主動外

3、觀模型采用主分量分析(Principal Component Analysis，PCA)作為統(tǒng)計分析方法。但主分量分析只考慮了二階統(tǒng)計信息，難以提取出局部特征，因此對人臉的局部描述能力不強(qiáng)。而獨(dú)立分量分析基于高階統(tǒng)計信息，此方法提取出的分量不僅滿足不相關(guān)的條件，還滿足相互獨(dú)立的條件，可以有效地描述局部特征。PCA對分離出的主成份按其方差從大到小排序，而ICA算法沒有對分離出的獨(dú)立成份進(jìn)行排序。對此，本文提出一種根據(jù)各獨(dú)立分量的模與其均值

4、的偏差進(jìn)行排序的方法。本文建立的基于獨(dú)立分量分析的主動外觀模型，在統(tǒng)計外形模型和統(tǒng)計紋理模型中采用ICA對數(shù)據(jù)進(jìn)行統(tǒng)計分析。 2.利用人臉深度圖和與之對應(yīng)的灰度圖像，將2D AAMs擴(kuò)展為基于人臉深度和灰度信息的改進(jìn)型AAMs。經(jīng)典的主動外觀模型融合了外形和紋理信息，是一種較好的建立二維模型的方法，但無法描述三維空間的物體。本論文中利用與人臉亮度圖像素--對應(yīng)的深度圖信息，建立人臉深度模型，將其與人臉外形模型，紋理模型融合，建立

5、了人臉深度模型與2D AAM結(jié)合的改進(jìn)型AAMs。同時，將AAMs對目標(biāo)圖像進(jìn)行匹配的目標(biāo)函數(shù)修正為深度誤差和紋理誤差的加權(quán)和，并通過實(shí)驗(yàn)確定了加權(quán)系數(shù)。 3.利用三維人臉曲面的曲率解決改進(jìn)型主動外觀模型的初始姿態(tài)參數(shù)確定。由于初始姿態(tài)參數(shù)是影響AAMs搜索精確度非常重要的因素，本文利用三維人臉曲面上的曲率對人臉進(jìn)行初步特征定位，用定位的結(jié)果作為改進(jìn)型AAMs搜索初始位置。文中詳細(xì)論述了改進(jìn)型主動外觀模型的建立過程和匹配過程，以