基于AAM的人臉檢測(cè)和應(yīng)用.pdf

1、隨著人工智能、人機(jī)交互、虛擬現(xiàn)實(shí)等技術(shù)的發(fā)展,計(jì)算機(jī)視覺(jué)領(lǐng)域逐漸成為了一個(gè)備受關(guān)注的研究領(lǐng)域,人臉檢測(cè)技術(shù)則是其中的一項(xiàng)關(guān)鍵技術(shù)。人臉檢測(cè)是指對(duì)于給定的輸入圖像進(jìn)行搜索并確定是否含有人臉,若有則返回相關(guān)參數(shù)等信息。人臉檢測(cè)的方法有很多,主動(dòng)表觀模型(Active Appearance Model,AAM)是一種典型的人臉檢測(cè)方法。AAM利用構(gòu)建好的可變形模型對(duì)輸入圖像中的人臉目標(biāo)進(jìn)行匹配,并將成功匹配后的模型參數(shù)作為人臉檢測(cè)和人臉特征檢

2、測(cè)的結(jié)果。本文主要研究和改進(jìn)了基于AAM的人臉檢測(cè)方法,并在此基礎(chǔ)上提出了一種基于AAM的人臉姿態(tài)估計(jì)方法和人臉視頻跟蹤方法。
　　 本文介紹了傳統(tǒng)AAM算法建立模型和建模后進(jìn)行擬合的過(guò)程,針對(duì)AAM受初始化位置影響較大的情況,改進(jìn)了AAM的模型初始化方法,并在AAM擬合式中增加了一項(xiàng)約束條件,使模型更加容易收斂到正確的位置;針對(duì)AAM關(guān)鍵特征點(diǎn)擬合不夠精確這一情況,在擬合式中加入了紋理權(quán)重,使模型擬合的時(shí)候優(yōu)先考慮關(guān)鍵特征的紋

3、理,減少關(guān)鍵特征擬合不夠精確的情況。實(shí)驗(yàn)證明,本文算法的檢測(cè)結(jié)果比傳統(tǒng)AAM算法更加準(zhǔn)確有效。
　　 本文提出了一種基于AAM人臉檢測(cè)的人臉姿態(tài)估計(jì)方法。該方法主要利用不同的形狀參數(shù)使AAM模型表現(xiàn)出不同的姿態(tài)外觀,并根據(jù)AAM擬合成功后的模型形狀參數(shù)結(jié)合檢測(cè)出的人臉特征位置來(lái)估計(jì)人臉姿態(tài)。實(shí)驗(yàn)證明本文提出的人臉姿態(tài)估計(jì)方法能有效的估計(jì)人臉姿態(tài)。
　　 本文改進(jìn)了基于AAM的人臉跟蹤算法。本文在原始AAM跟蹤算法基礎(chǔ)上,