基于特征點定位的人臉合成及視覺疲勞檢測研究.pdf

1、隨著計算機視覺領域的快速發(fā)展，人臉信息處理在人臉圖像合成、視覺疲勞檢測等應用領域發(fā)揮著越來越重要的作用。光照、姿態(tài)、表情等多種因素使得人臉圖像存在復雜性，而人臉顯著特征點的精確定位能提高復雜情況下的多姿態(tài)人臉合成與視覺疲勞檢測的效果。因此，本文研究基于人臉圖像顯著特征點定位的多姿態(tài)人臉圖像的合成和視覺疲勞檢測。取得的主要創(chuàng)新性研究進展概括如下：
　　針對基于混合樹模型特征點定位不精確和基于監(jiān)督下降法中人臉漏檢率較高的問題，提出了將

2、混合樹模型與監(jiān)督下降法相結(jié)合的多姿態(tài)人臉圖像檢測與特征點定位算法。該方法采用混合樹模型對多姿態(tài)人臉圖像進行初定位，通過監(jiān)督下降法對人臉五官輪廓特征點進行精準定位，結(jié)合混合樹模型得到的人臉外輪廓特征點得到整張人臉圖像的顯著特征點。本文提出的方法能精確定位多姿態(tài)人臉的外輪廓和五官輪廓特征點。
　　針對多姿態(tài)人臉合成中人臉姿態(tài)空間的非線性難以表示的問題，結(jié)合張量分析和姿態(tài)流形建模，提出一種改進的多姿態(tài)人臉圖像合成算法。該方法通過對多姿態(tài)

3、訓練集人臉的形狀信息進行張量分解，在姿態(tài)子空間通過樣條擬合得到人臉形狀的姿態(tài)流形，在身份子空間通過稀疏表示合成出測試圖像的身份信息，用于合成新身份下的形狀姿態(tài)流形。針對眼角和鼻翼因視角的轉(zhuǎn)動而造成的圖像拉伸的問題，通過幾何關系構造4個新的特征點的方法進行優(yōu)化，最后通過仿射變換將正面測試人臉的紋理映射到形狀姿態(tài)流形上，合成多姿態(tài)人臉圖像。實驗結(jié)果表明，所提方法得到的多姿態(tài)人臉合成圖像較好的保持了測試人臉的形狀和身份信息，并且合成的人臉紋理