人臉檢測(cè)與人臉特征點(diǎn)定位方法的研究與改進(jìn).pdf

1、人臉識(shí)別技術(shù)是近年來人工智能化的一個(gè)熱點(diǎn)，人臉識(shí)別特指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)，可被利用與公安刑偵破案、門禁系統(tǒng)、攝像監(jiān)視系統(tǒng)、網(wǎng)絡(luò)應(yīng)用等。一般來說，人臉識(shí)別系統(tǒng)包括圖像攝取、人臉定位、圖像預(yù)處理、以及人臉識(shí)別。而人臉定位由人臉檢測(cè)和特征點(diǎn)定位兩部分構(gòu)成。本文就人臉定位這兩個(gè)部分進(jìn)行展開。 人臉檢測(cè)（Face Detection）是指通過一定的搜索算法，判斷一幅輸入圖像中是否存在人臉，如果存在，則返回

2、人臉?biāo)诘奈恢眉捌浯笮?。由于人臉檢測(cè)具有廣泛的應(yīng)用場(chǎng)景，例如：樓宇門禁、視頻監(jiān)控、人機(jī)交互、數(shù)碼相機(jī)等，再加上其問題本身的高度復(fù)雜性以及其對(duì)實(shí)時(shí)性的要求，它一直是近年來計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)熱點(diǎn)問題。 經(jīng)過數(shù)十年的研究與發(fā)展，至今已有很多針對(duì)人臉檢測(cè)的算法和方法，其中Adaboost方法是目前較好的方法，本文前半部先對(duì)這種方法進(jìn)行了討論，然后對(duì)算法的優(yōu)化和實(shí)際過程中碰到的問題進(jìn)行了深入的分析，尤其是對(duì)多姿態(tài)搜索的姿態(tài)預(yù)判和聚類

3、以及SVM（支持向量機(jī)）的后段驗(yàn)證提出了新的方法。主要的改進(jìn)包括以下三點(diǎn)：1）對(duì)框圖中的像素均方差做一個(gè)計(jì)算，通過對(duì)均方差的統(tǒng)計(jì)排除掉單調(diào)的背景區(qū)域或者過度復(fù)雜區(qū)域，在大量單調(diào)背景的圖片中能夠加快檢測(cè)速度。2）提出了多姿態(tài)預(yù)判和聚類的新方法。3）引入了以小波提取為特征的SVM后段驗(yàn)證，降低了誤檢出率。 人臉特征點(diǎn)定位在人臉檢測(cè)的基礎(chǔ)上進(jìn)行，目的是對(duì)人臉的各個(gè)特征點(diǎn)進(jìn)行精確定位。目前比較成功的方法有ASM和AAM等，AAM又稱動(dòng)態(tài)

4、表觀模型，最早于1998年由F.T.Cootes提出，并于2001年由卡內(nèi)基梅隆大學(xué)的S.Baker等人對(duì)算法部分進(jìn)行了改進(jìn)，通過逆向擬合的方法提前計(jì)算Hessian矩陣，減少了定位時(shí)循環(huán)迭代的計(jì)算量。具有三維擴(kuò)展性好、特征點(diǎn)定位準(zhǔn)確以及最高可達(dá)230幀/秒的處理速度等優(yōu)點(diǎn)，AAM被認(rèn)為是人臉特征點(diǎn)定位方法中一種有效的方法。但是改進(jìn)后的算法存在形狀模板的非法形變而導(dǎo)致擬合失敗的風(fēng)險(xiǎn)，正確率不高。本文后半部對(duì)AAM算法進(jìn)行討論和研究，并提