基于改進型主動外觀模型的面部特征定位與人臉識別方法研究.pdf

1、人臉識別作為生物識別技術之一，是指基于已知的人臉樣本庫，利用圖像處理和模式識別技術從靜態(tài)或動態(tài)場景中，識別或驗證一個或多個人臉，在商業(yè)、安全等領域有著廣泛的應用前景。人臉面部特征定位是實現(xiàn)人臉圖像分析的關鍵，對人臉識別和面部特征定位進行研究具有重要的理論和應用價值。人臉特征定位是通過計算機在人臉圖像中自動定位出人臉各個器官，包括眼睛、鼻子、嘴巴、下巴、耳朵以及人臉外輪廓等特征點的位置。主動外觀模型是進行人臉面部特征定位和人臉識別的有效方

2、法，近年來已成為圖像處理等領域的研究熱點。本論文所做的主要工作是研究基于主動外觀模型的面部特征定位和人臉識別技術。主要工作和創(chuàng)新成果如下： 1.詳細介紹了主動外觀模型(Active Appearance Models，AAMs)的基本思想和方法，提出了一種基于獨立分量分析(Independent Component Analysis，ICA)的主動外觀模型-ICA-AAMs，并將其用于人臉面部特征定位和人臉識別實驗。經(jīng)典的主動外

3、觀模型采用主分量分析(Principal Component Analysis，PCA)作為統(tǒng)計分析方法。但主分量分析只考慮了二階統(tǒng)計信息，難以提取出局部特征，因此對人臉的局部描述能力不強。而獨立分量分析基于高階統(tǒng)計信息，此方法提取出的分量不僅滿足不相關的條件，還滿足相互獨立的條件，可以有效地描述局部特征。PCA對分離出的主成份按其方差從大到小排序，而ICA算法沒有對分離出的獨立成份進行排序。對此，本文提出一種根據(jù)各獨立分量的模與其均值

4、的偏差進行排序的方法。本文建立的基于獨立分量分析的主動外觀模型，在統(tǒng)計外形模型和統(tǒng)計紋理模型中采用ICA對數(shù)據(jù)進行統(tǒng)計分析。 2.利用人臉深度圖和與之對應的灰度圖像，將2D AAMs擴展為基于人臉深度和灰度信息的改進型AAMs。經(jīng)典的主動外觀模型融合了外形和紋理信息，是一種較好的建立二維模型的方法，但無法描述三維空間的物體。本論文中利用與人臉亮度圖像素--對應的深度圖信息，建立人臉深度模型，將其與人臉外形模型，紋理模型融合，建立

5、了人臉深度模型與2D AAM結合的改進型AAMs。同時，將AAMs對目標圖像進行匹配的目標函數(shù)修正為深度誤差和紋理誤差的加權和，并通過實驗確定了加權系數(shù)。 3.利用三維人臉曲面的曲率解決改進型主動外觀模型的初始姿態(tài)參數(shù)確定。由于初始姿態(tài)參數(shù)是影響AAMs搜索精確度非常重要的因素，本文利用三維人臉曲面上的曲率對人臉進行初步特征定位，用定位的結果作為改進型AAMs搜索初始位置。文中詳細論述了改進型主動外觀模型的建立過程和匹配過程，以