智能人機(jī)交互中的人臉特征定位與人體運(yùn)動(dòng)識(shí)別方法研究.pdf

1、隨著人機(jī)交互技術(shù)在智能化方向快速發(fā)展，越來(lái)越多的通用軟件使用了智能交互技術(shù)作為新型交互手段，而當(dāng)前科技領(lǐng)域應(yīng)用最廣泛的智能交互技術(shù)當(dāng)屬人臉識(shí)別、表情識(shí)別、人臉動(dòng)畫(huà)、人體行為分析、行為語(yǔ)義化等內(nèi)容。人臉特征定位和人體運(yùn)動(dòng)識(shí)別作為這些技術(shù)的基礎(chǔ)支撐技術(shù)，近十年也得到了廣泛研究和快速發(fā)展。人臉特征定位是指在人臉圖像上計(jì)算出一系列預(yù)定義的位置，人體運(yùn)動(dòng)識(shí)別是指通過(guò)對(duì)人體運(yùn)動(dòng)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，進(jìn)而得到運(yùn)動(dòng)序列的分類(lèi)和預(yù)測(cè)結(jié)果。近年來(lái)人臉特征定位和

2、人體運(yùn)動(dòng)識(shí)別都取得了大量的成果，并在一定條件下定位精度和識(shí)別精度均達(dá)到較高水準(zhǔn)。然而大量實(shí)驗(yàn)證明，現(xiàn)有的算法在自然條件下的定位精度和識(shí)別精度都尚未達(dá)到實(shí)用水平，無(wú)法提供自然人機(jī)交互時(shí)需要的高效精確的分析能力。因此，本文針對(duì)現(xiàn)有方法存在的問(wèn)題展開(kāi)研究，為人臉特征定位和人體運(yùn)動(dòng)識(shí)別相關(guān)的應(yīng)用提供高性能方法，進(jìn)一步提高人機(jī)交互的智能性。
　　現(xiàn)有人臉特征定位方法主要面臨的問(wèn)題:一是成像條件多樣性，人臉外觀變化高度非線性，缺乏良好的非線性

3、人臉外觀理論模型。二是對(duì)初始外形依賴嚴(yán)重，算法對(duì)遮擋，大形變等問(wèn)題不魯棒。人體運(yùn)動(dòng)識(shí)別方法主要面臨的問(wèn)題:一是運(yùn)動(dòng)表示方法眾多，簡(jiǎn)單運(yùn)動(dòng)表示方法蘊(yùn)含信息量不足，運(yùn)動(dòng)識(shí)別困難;復(fù)雜運(yùn)動(dòng)表示方法蘊(yùn)含信息量大但計(jì)算量也大，運(yùn)動(dòng)識(shí)別效率低下。二是現(xiàn)有運(yùn)動(dòng)表示區(qū)分度差，同一個(gè)部位的運(yùn)動(dòng)可能存在多個(gè)不同表示，而彌補(bǔ)運(yùn)動(dòng)確定性，往往需要額外的運(yùn)動(dòng)描述信息，最終導(dǎo)致算法復(fù)雜度增加，影響識(shí)別率。
　　針對(duì)上述困難，本文著重研究了人臉特征的局部外觀和

4、整體外觀模型的建立、人臉特征定位中的外形初始化以及人體運(yùn)動(dòng)識(shí)別中的運(yùn)動(dòng)表示等問(wèn)題。并針對(duì)這三個(gè)問(wèn)題提出了三個(gè)方面的解決方案:
　　1.提出一種基于全局特征和局部特征結(jié)合的級(jí)聯(lián)人臉特征定位方法。
　　針對(duì)自然條件下的人臉特征定位應(yīng)用存在遮擋，大形變等因素，設(shè)計(jì)了一種局部特征回歸和全局特征回歸交替進(jìn)行的框架算法，該框架算法的執(zhí)行分為兩個(gè)階段。第一階段，需要在人臉圖像的局部區(qū)域提取具有高區(qū)分度的局部特征訓(xùn)練隨機(jī)森林，然后根據(jù)局部特

5、征在隨機(jī)森林中葉子節(jié)點(diǎn)的位置進(jìn)行直方圖統(tǒng)計(jì)形成圖像特征編碼，最后使用特征編碼和樣本的真實(shí)值求解線性回歸矩陣并使用該矩陣進(jìn)行外形增量計(jì)算。第二階段，在第一階段計(jì)算出的人臉外形區(qū)域產(chǎn)生全局特征，并通過(guò)計(jì)算選擇出與當(dāng)前人臉外形相關(guān)度最大的幾對(duì)全局特征用于隨機(jī)蕨的訓(xùn)練，然后使用訓(xùn)練好的隨機(jī)蕨估計(jì)出外形增量。該算法有效的降低遮擋情況下局部外形回歸誤差對(duì)人臉外形估計(jì)產(chǎn)生的不良影響，同時(shí)也具備局部外形回歸描述細(xì)節(jié)的能力。
　　2.提出一種基于后

6、驗(yàn)概率的人臉初始化方法。
　　提出一種從現(xiàn)有的真實(shí)樣本空間中找到與當(dāng)前外形最貼近外形的線性組合作為初始值的方法。該方法尋找初始外形的過(guò)程包括以下步驟:第一，使用全局特征對(duì)樣本集進(jìn)行分類(lèi)，分類(lèi)結(jié)果在直觀上的表現(xiàn)傾向于頭部姿態(tài)或者朝向的分類(lèi)。第二，對(duì)任意測(cè)試圖像，進(jìn)行一次分類(lèi)并確定對(duì)應(yīng)人臉類(lèi)別，然后根據(jù)當(dāng)前人臉類(lèi)別中的樣本和概率分布確定估計(jì)外形，并計(jì)算外形中心。第三，通過(guò)計(jì)算外形中心和圖像信息確定對(duì)應(yīng)的后驗(yàn)概率分布的參數(shù)，最后使用級(jí)聯(lián)

7、回歸方法對(duì)人臉特征點(diǎn)進(jìn)行定位。這種方法能有效的尋找到與當(dāng)前人臉外形最貼切的外形組合作為初始外形，提高了人臉特征定位的精度并且有效降低外形定位的迭代次數(shù)。
　　3.提出一種基于李群理論的人體運(yùn)動(dòng)表達(dá)方法。
　　由于傳統(tǒng)的運(yùn)動(dòng)表示方法存在相對(duì)幾何與骨骼運(yùn)動(dòng)信息對(duì)應(yīng)不確定的問(wèn)題，提出了一種基于正交群的相對(duì)幾何表示方法，該方法有效的排除相對(duì)幾何在骨骼運(yùn)動(dòng)信息表示的多義性。并且論文從理論上證明了這種表示方法具有優(yōu)秀的運(yùn)動(dòng)映射關(guān)系，能為