基于Kinect的AAM特征點定位方法研究.pdf

1、計算機視覺研究的方向有很多種，其中面部特征點定位是比較前衛(wèi)的一個研究方向，通常用于人臉檢測、姿態(tài)體態(tài)獲取、表情微檢測、人機交互、認知心理學等，并拓展出其他商用領域，如網(wǎng)絡身份安全、在線支付安全保障、電影特效場景模擬、全新的人機交互界面等專業(yè)方面提供技術支持。但由于人體面部結構的錯綜復雜性，準確識別難度較高的類型，想要完美解決面部特征點的問題還是任重道遠的。面部特征點關鍵是基于眼、口、眉毛以及外輪廓展開圖像分析與提取。
　　首先，使

2、用Kinect提取面部特征點，精度和魯棒性是人臉面部提取問題的關鍵一環(huán)。這其中主要的匹配誤差是來自光照的不穩(wěn)定性和姿態(tài)變換所造成的結果。因為光照的不穩(wěn)定性對三維圖像的干擾性較小，與此同時加入的深度系統(tǒng)的話姿態(tài)判斷的準確性也有一定的增強，所以本論文使用了這款Kinect設備來采集圖像。
　　本文分析了Eigenface和Fisherface的理論推導和實踐當中的性能可行性。兩種算法分別應用于ORL和Yale數(shù)據(jù)庫中進行性能仿真實驗。