基于分層隨機(jī)森林的面部特征點(diǎn)檢測(cè)技術(shù)研究.pdf

1、面部特征點(diǎn)檢測(cè)技術(shù)，就是在人臉圖像中檢測(cè)出預(yù)先定義的某些點(diǎn)的位置，主要是指面部五官特征的位置。由于面部特征點(diǎn)檢測(cè)可以為人臉?lè)治鰡?wèn)題提供一些重要的基礎(chǔ)數(shù)據(jù)，因此成為人臉?lè)治鲱I(lǐng)域中一個(gè)熱門的研究方向。目前，國(guó)內(nèi)外學(xué)者在面部特征點(diǎn)檢測(cè)方面已經(jīng)提出了大量的方法，其中對(duì)于約束條件下的人臉圖像的特征點(diǎn)檢測(cè)精度已經(jīng)超過(guò)人工標(biāo)注的精度。但是，對(duì)于非約束條件下的面部特征點(diǎn)檢測(cè)仍然存在著巨大的困難，其主要原因在于一些影響人臉圖像的變化因素使得面部特征點(diǎn)檢測(cè)

2、的精度下降很多。這些變化因素包括復(fù)雜的背景、人臉朝向的變化、面部表情的變化、人臉被局部遮擋以及光照條件的變化等。針對(duì)非約束條件下，人臉朝向變化以及人臉被局部遮擋對(duì)面部特征點(diǎn)檢測(cè)的影響，本文在經(jīng)典的隨機(jī)森林算法上進(jìn)行改進(jìn)，提出建立分層的隨機(jī)森林模型進(jìn)行面部特征點(diǎn)檢測(cè)。
　　分層的隨機(jī)森林模型分為兩層：第一層是用于估計(jì)人臉朝向的隨機(jī)森林，第二層是用于檢測(cè)面部特征點(diǎn)的條件回歸森林。在訓(xùn)練過(guò)程中，首先，在完整的訓(xùn)練集上通過(guò)學(xué)習(xí)每個(gè)圖像塊的

3、紋理特征和人臉朝向之間的關(guān)系，生成第一層隨機(jī)森林。然后，在依據(jù)人臉朝向分類的訓(xùn)練子集上，通過(guò)學(xué)習(xí)每個(gè)圖像塊和面部特征點(diǎn)之間的空間關(guān)系，生成條件回歸森林。由于是在有條件的訓(xùn)練子集上生成回歸森林，因此決策樹在生長(zhǎng)時(shí)不需要處理表現(xiàn)在外觀和形狀方面的所有面部變化。在測(cè)試過(guò)程中，應(yīng)用第一層的隨機(jī)森林估計(jì)測(cè)試圖像的人臉朝向。依據(jù)計(jì)算得到的人臉朝向類的概率分布建立第二層的條件回歸森林。統(tǒng)計(jì)測(cè)試圖像在第二層條件回歸森林中到達(dá)的所有葉子節(jié)點(diǎn)，組成一個(gè)投票