基于深度學(xué)習(xí)的人臉特征點(diǎn)跟蹤算法研究.pdf

1、人臉特征點(diǎn)可能包含眉毛、眼睛、鼻子、嘴巴、乃至人臉輪廓等部位。由于人臉特征點(diǎn)蘊(yùn)含了人臉的語義信息，對(duì)人臉識(shí)別、表情分析、人臉姿態(tài)估計(jì)等都起著關(guān)鍵性作用而受到廣大學(xué)者密切關(guān)注。近年來，人臉特征點(diǎn)定位在娛樂等行業(yè)也有著廣泛的應(yīng)用價(jià)值，如人臉動(dòng)畫、增強(qiáng)現(xiàn)實(shí)。目前，真實(shí)的非約束靜態(tài)人臉特征點(diǎn)定位方法取得很大的成功，同時(shí)，已有研究者提出行之有效的人臉特征點(diǎn)跟蹤算法，但在真實(shí)的非約束環(huán)境中，由于人臉會(huì)受到姿態(tài)、表情、光照和遮擋等剛性和非剛性因素的影

2、響，準(zhǔn)確地并長期跟蹤人臉特征點(diǎn)仍具有很強(qiáng)的挑戰(zhàn)性。所以，在真實(shí)的無約束環(huán)境下，魯棒的長期人臉特征點(diǎn)跟蹤仍然值得深入研究。
　　本文主要的研究工作主要體現(xiàn)在以下幾個(gè)方面：
　　提出了一種人臉特征點(diǎn)跟蹤系統(tǒng)，用于長期跟蹤人臉特征點(diǎn)。該系統(tǒng)可以分解為人臉檢測、跟蹤和人臉特征點(diǎn)定位三大模塊。由于不需要引入其他模塊，從而簡化了系統(tǒng)的復(fù)雜性。該系統(tǒng)的每個(gè)模塊相對(duì)獨(dú)立，具有高內(nèi)聚低耦合特性，有利于系統(tǒng)升級(jí)。該系統(tǒng)雖然結(jié)構(gòu)簡單，但實(shí)驗(yàn)證明，

3、該系統(tǒng)對(duì)真實(shí)的無約束環(huán)境的人臉特征點(diǎn)跟蹤具有很好的魯棒性和準(zhǔn)確性。
　　對(duì)提出的魯棒的長期人臉特征點(diǎn)跟蹤系統(tǒng)中的每個(gè)模塊（人臉檢測、跟蹤、和人臉特征點(diǎn)定位）進(jìn)行分析，并確立每個(gè)模塊所采用的方法。人臉檢測方法選用經(jīng)典的Viola–Jones人臉檢測和真實(shí)的無約束環(huán)境下的NPD人臉檢測方法。跟蹤方法采用長期目標(biāo)跟蹤框架TLD中的中值流法，而不是將整個(gè)TLD作為跟蹤方法，大大降低了系統(tǒng)的復(fù)雜度。同時(shí)，中值流法可以擴(kuò)展跟蹤失敗檢測功能，有

4、利于提高跟蹤的魯棒性。特征點(diǎn)定位方法則引入基于深度學(xué)習(xí)的CFAN方法，其可以利用大數(shù)據(jù)進(jìn)行模型訓(xùn)練來提高特征點(diǎn)定位的準(zhǔn)確性。
　　為了實(shí)現(xiàn)長期人臉特征點(diǎn)跟蹤引入跟蹤校驗(yàn)思想。跟蹤校驗(yàn)使用現(xiàn)有的人臉檢測方法，而不是在線或額外訓(xùn)練分類器，降低了系統(tǒng)的復(fù)雜度。為了進(jìn)一步提高人臉特征點(diǎn)跟蹤速度，提出自適應(yīng)跟蹤校驗(yàn)方法。實(shí)驗(yàn)發(fā)現(xiàn)，自適應(yīng)跟蹤校驗(yàn)方法可以提高大規(guī)模人臉特征點(diǎn)跟蹤的準(zhǔn)確性。
　　實(shí)驗(yàn)結(jié)果表明，提出的魯棒的長期人臉特征點(diǎn)跟蹤