基于GPU加速的人臉?lè)治鱿到y(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來(lái)，人臉圖像分析成了計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域的一個(gè)熱門研究方向，該技術(shù)被廣泛應(yīng)用于生物特征識(shí)別、人機(jī)交互、視頻監(jiān)控，多媒體應(yīng)用等等。人臉檢測(cè)與配準(zhǔn)是人臉圖像分析中最基本的任務(wù)，也是關(guān)鍵任務(wù)之一。本文通過(guò)仔細(xì)分析和總結(jié)了近年來(lái)國(guó)內(nèi)外人臉檢測(cè)與關(guān)鍵點(diǎn)定位的現(xiàn)況，以此為基礎(chǔ)，深入研究了基于類 Haar特征的AdaBoost人臉檢測(cè)算法和基于主動(dòng)形狀模型（Active Shape Model,ASM）的人臉關(guān)鍵點(diǎn)定位算法，分析得到算法的并行

2、點(diǎn)，利用GPU進(jìn)行加速。對(duì)于人臉檢測(cè)而言，本文在積分圖計(jì)算、掃描窗口的檢測(cè)以及窗口放大修正合并均挖掘了并行點(diǎn)，并采用 GPU進(jìn)行并行加速，在FDDB數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠有效提升人臉檢測(cè)速度。對(duì)于人臉關(guān)鍵點(diǎn)定位而言，本文將經(jīng)典ASM算法的局部文理模型換成了表達(dá)能力更強(qiáng)的SIFT特征描述，并且在求局部圖像描述子的時(shí)候進(jìn)行了并行加速，實(shí)驗(yàn)結(jié)果表明，該方法同時(shí)具有提升速度和提高精度的優(yōu)勢(shì)。在LFPW和Helen數(shù)據(jù)庫(kù)上的實(shí)

3、驗(yàn)表明，本文提出的方法具有較好的定位效果。在人臉檢測(cè)和人臉關(guān)鍵點(diǎn)精確定位的基礎(chǔ)上，受心理學(xué)研究的啟發(fā)，本文提出采用聯(lián)合特征編碼的方法來(lái)描述人臉表情的局部細(xì)節(jié)特征。本文采用的是Boosting學(xué)習(xí)機(jī)制，通過(guò)Boosting學(xué)習(xí)機(jī)制得到表情分類器，該表情分類器基于聯(lián)合Haar特征。為了檢測(cè)本文提出方法的性能，我們?cè)贑MU和JAFFE通用人臉表情數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)，得到令人滿意的結(jié)果。對(duì)于人臉的屬性分析，本文提取面部的LBP特征，通過(guò)SVM訓(xùn)練了