基于優(yōu)化的SIFT特征描述子的人臉特征點定位算法的研究.pdf

1、人臉圖像分析是計算機視覺和模式識別領(lǐng)域的前沿課題，包含人臉檢測，人臉特征點定位，表情識別，人臉識別等一系列研究內(nèi)容。其中人臉檢測和面部特征點的精確定位是人臉識別，表情識別，姿態(tài)估計等應(yīng)用中的至關(guān)重要的步驟，也是擴大基于人臉分析的應(yīng)用的范圍的過程中需要解決的關(guān)鍵問題。
　　基于這一實際需求，本文所做的工作是在背景中進行人臉定位檢測，分割出橢圓形人臉感興趣區(qū)域，然后在檢測出的人臉區(qū)域內(nèi)進行基于紋理特征和形狀約束的五官特征點精確定位。傳

2、統(tǒng)的人臉特征點定位算法對臉部特征點的特有特征研究不多，致使特征點的初始化檢測效果不好，從而直接影響到后續(xù)對特征點點集的形狀約束。針對以上問題，這篇文章根據(jù)臉部特征點的紋理特征，利用 Powell算法學習得到基于SIFT( Scale Invariant Feature Transform)的特征算子最優(yōu)化的參數(shù)；然后提取臉部特征點在最優(yōu)化的參數(shù)下的 SIFT特征算子并用于訓(xùn)練基于支持向量回歸機的檢測器；最后利用優(yōu)化的檢測器在感興趣區(qū)域內(nèi)

3、進行特征點初始化檢測。
　　文章利用 LFPW人臉數(shù)據(jù)庫作為訓(xùn)練庫進行 SIFT特征算子參數(shù)的優(yōu)化，并訓(xùn)練基于 SIFT特征的支持向量回歸機。最后在 BioID數(shù)據(jù)庫上進行測試，通過實驗驗證了，在存在光線，姿勢，表情變換的情況下，基于改進的 SIFT特征訓(xùn)練的支持向量回歸機對人臉特征點初始化檢測的效果相比于基于未改進的 SIFT特征的支持向量回歸機有了大幅度的提高，另外引入的基于三點一組模型的外形結(jié)構(gòu)約束算法，成功對人臉特征點初始