基于單目視頻的人臉三維跟蹤.pdf

1、得益于人工智能和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，作為運(yùn)動目標(biāo)識別與跟蹤重要分支的人臉跟蹤技術(shù)被廣泛應(yīng)用在人機(jī)交互、虛擬現(xiàn)實化以及視頻安全分析等領(lǐng)域。本文在對當(dāng)前人臉識別領(lǐng)域現(xiàn)狀以及發(fā)展趨勢的研究基礎(chǔ)上，針對當(dāng)前流行的基于模板匹配的跟蹤方法以及其不足之處提出了一種新的方法，該方法采用 SIFT特征與模板匹配相結(jié)合，有效的解決了傳統(tǒng)模板匹配跟蹤方法中的兩大不足：第一，在運(yùn)用該方法之前，需要對攝像機(jī)進(jìn)行校準(zhǔn)；第二，如果幀間位移太大，該方法無法達(dá)到良好的效

2、果。
　　本文首先在傳統(tǒng)的機(jī)器學(xué)習(xí)進(jìn)行人臉跟蹤過程中，人臉首幀的初始化通常需要人工進(jìn)行手動標(biāo)注，針對這一問題，本文提出了一種基于深度學(xué)習(xí)的首幀自動初始化方法。通過建立棧式稀疏自編碼神經(jīng)網(wǎng)絡(luò)，對大量未標(biāo)注的樣本采用近似恒等的方法計算各隱藏層節(jié)點并運(yùn)用反向傳播法進(jìn)行權(quán)值微調(diào)。預(yù)訓(xùn)練網(wǎng)絡(luò)之后，連接softmax分類器，再用少量已標(biāo)注樣本對softmax分類器進(jìn)行有監(jiān)督訓(xùn)練，從而形成一個能進(jìn)行人臉跟蹤首幀自動初始化的分類器。結(jié)果表明，該方

3、法顯著提高了人臉跟蹤中首幀初始化的效率。其次，針對模板匹配跟蹤法的兩個局限，提出了基于模板匹配和 SIFT特征相結(jié)合的方法。為了克服第一個問題，我們提出了通過迭代優(yōu)化過程，從幾個初始幀中估計照相機(jī)的未知焦距。為了緩解第二個問題，我們提出了一種跟蹤方法，該方法是基于密集光流和 SIFT特征結(jié)合的補(bǔ)充信息的。光流對于小位移效果很好，并且可以提供準(zhǔn)確的位置信息，而 SIFT特征在處理較大位移或變換時效果更佳。實驗在三個公共數(shù)據(jù)庫進(jìn)行，即BIW