基于統(tǒng)計學(xué)習(xí)的人臉特征點定位算法研究.pdf

1、人臉圖像的特征點定位是人臉圖像分析與識別問題的一個關(guān)鍵前提，人臉特征點的精確定位為人臉識別、人臉姿態(tài)估計、表情分析、年齡估計、人機交互、3D人臉動畫建模等工作的進行提供了有力的保障。然而由于拍攝條件的不可控性，人臉圖像往往存在著光照、表情、姿態(tài)、遮擋等一系列成像因素的復(fù)雜變化。這些影響因素使得人臉圖像之間的差異千變?nèi)f化，給特征點的定位帶來巨大的挑戰(zhàn)?，F(xiàn)有算法的精度和魯棒性尚不能滿足實際應(yīng)用的要求。
　　本論文主要針對具有復(fù)雜變化的

2、人臉特征點定位問題展開深入的理論研究和實驗驗證。論文著眼于使用統(tǒng)計學(xué)習(xí)理論在有限的人臉圖像樣本集下提出對各種人臉變化都比較魯棒的高效率、高精度的人臉特征點定位方法。主要的研究成果包括:
　　(1)針對視頻人臉特征點的跟蹤定位問題，提出了基于光流法約束AAM的人臉特征點跟蹤方法。與靜態(tài)圖像不同，視頻圖像的上下幀之間存在著一定的相關(guān)性。利用Lucas-Kanade光流法跟蹤預(yù)測目標(biāo)關(guān)鍵點的位置，通過分析幀間相似性，利用幀間相似性保持的

3、性質(zhì)來預(yù)測AAM定位的初始特征點。該方法充分利用了視頻幀間的相關(guān)性信息，使得AAM可以很好地適應(yīng)人臉的運動，提高了特征點跟蹤的速度，同時增強了整個算法的魯棒性。
　　(2)通過分析人臉圖像內(nèi)容的局部穩(wěn)定性與變化性，提出了基于統(tǒng)計形變模型的兩步驟人臉特征點定位方法。該方法利用了ASM與AAM方法各自的優(yōu)勢，在形狀點分布模型PDM所建立的整體形狀模型約束下，對人臉圖像的五官和外輪廓進行分步定位，即先使用AAM定位人臉內(nèi)部五官特征點，再

4、使用ASM定位外部輪廓特征點，然后將內(nèi)外特征點結(jié)合起來生成整體定位結(jié)果。為了提高ASM模型定位的準(zhǔn)確性，對ASM的局部紋理模型進行了從一維的簡單灰度向量模型到2D局部紋理建模的改進。實驗結(jié)果表明，所提出的兩步驟方法與其它統(tǒng)計形變模型相比，在魯棒性與定位精度上都有明顯的提高，可以較好地適應(yīng)人臉姿態(tài)與表情的變化。
　　(3)針對生活場景下的復(fù)雜人臉圖像數(shù)據(jù)的研究，提出了基于分類隨機蕨的快速人臉特征點定位方法。該方法分析了目前存在的基于