人臉特征提取方法研究.pdf

1、人臉特征提取是人臉圖像分析技術(shù)的關(guān)鍵，它被廣泛應(yīng)用于人臉識(shí)別、三維人臉重建、人臉圖像壓縮等領(lǐng)域。由于人臉的面部表情和頭部姿態(tài)是富于變化的，所以人們很難對(duì)特征點(diǎn)的形態(tài)進(jìn)行準(zhǔn)確建模。此外，一些干擾，比如圖像中的光照不均勻，臉上存在眼鏡和胡子等遮擋物，都會(huì)造成特征點(diǎn)消失或變形，從而增加定位的難度。與其它人臉分析技術(shù)相類似，臉部特征定位需要最大限度地適應(yīng)人臉的各種變化。盡管前人已經(jīng)對(duì)這個(gè)問(wèn)題進(jìn)行了深入研究，但現(xiàn)有的人臉特征提取技術(shù)在應(yīng)用條件方面

2、仍然存在苛刻的限制，比如要求均勻的光照、正面且中性表情的人臉、無(wú)遮擋物等。即便如此，技術(shù)的實(shí)時(shí)性與準(zhǔn)確度也都未達(dá)到實(shí)用的程度。 本文重點(diǎn)研究了魯棒的人臉特征提取算法，主要研究?jī)?nèi)容如下： 1) 首先針對(duì)反向組合圖像對(duì)齊算法及其三種擴(kuò)展形式的演變過(guò)程進(jìn)行了推導(dǎo)，然后詳細(xì)探討了主動(dòng)表觀模型(AAM)的建模與擬合算法，并指出了基于AAM的人臉特征點(diǎn)定位算法的不足之處。 2) 基于AAM的投影式反向組合算法是一種快速有效的

3、人臉特征點(diǎn)定位方法。但當(dāng)圖像中人臉的某部分被遮掩時(shí)，算法定位特征點(diǎn)的精度會(huì)明顯下降。本文提出一種采用逐層細(xì)分掩模消除干擾的正規(guī)化反向組合算法，該算法既保留了反向組合算法快速高效的優(yōu)點(diǎn)又提高了算法處理遮掩的能力。其中包括兩項(xiàng)創(chuàng)新：(1)提出一種更加適合于掩模技術(shù)的正規(guī)化反向組合算法；(2)設(shè)計(jì)出一種逐層細(xì)分掩模的方法。通過(guò)迭代判斷和逐層分塊細(xì)化掩模，使掩模準(zhǔn)確地設(shè)置在遮掩物上，最大程度減少干擾。 3) 針對(duì)頭部姿態(tài)大角度偏轉(zhuǎn)的圖像

4、，傳統(tǒng)的二維模型AAM定位人臉特征點(diǎn)的精度會(huì)急劇下降。本文提出了基于2D+3D Candide模型的三維人臉特征提取算法，算法能夠有效地提取人臉特征點(diǎn)的位置和頭部姿態(tài)等三維信息。實(shí)驗(yàn)證明算法在速度和精度方面都有不同程度的提高。其中包括三項(xiàng)創(chuàng)新：(1)研究AAM與Candide的融合技術(shù)。借鑒AAM建模的方法，建立2D+3D Candide模型；(2)建立約束方程，保持二維模型和三維模型的形變一致。(3)提出新的擬合算法，同時(shí)優(yōu)化能量方程