基于人臉圖像的頭部姿態(tài)估計與年齡估計方法研究.pdf

1、基于人臉圖像的頭部姿態(tài)估計與年齡估計是指計算機(jī)從人臉面部圖像中自動識別其頭部姿態(tài)及估計其年齡。頭部姿態(tài)估計及年齡估計因其在身份鑒定、安全監(jiān)控、人機(jī)交互等眾多現(xiàn)實課題中的重要性成為如今計算機(jī)視覺研究領(lǐng)域的重要課題之一。雖然目前研究人員已對使用人臉圖像自動地估計頭部姿態(tài)和年齡進(jìn)行了大量的研究，但是由于人臉圖像的表情變化、光照變化、尺度變化、個體變化等外觀因素的影響，根據(jù)人臉圖像進(jìn)行頭部姿態(tài)估計和年齡估計仍然是十分困難和富有挑戰(zhàn)性的研究課題。

2、
　　概括的說，頭部姿態(tài)估計和年齡估計的研究都可以分為兩個主要步驟，一是具有判別力的人臉圖像特征提取，二是識別模型的建立。因此本文在國內(nèi)外已有的研究基礎(chǔ)上從提取具有更強(qiáng)描述能力的人臉圖像特征并通過機(jī)器學(xué)習(xí)方法進(jìn)行識別的角度對頭部姿態(tài)估計和年齡估計進(jìn)行了深入的研究，主要創(chuàng)新如下：
　　1）提出一個新的人臉圖像特征表示方法，叫做李代數(shù)高斯特征。構(gòu)建人臉圖像李代數(shù)高斯特征的第一步是對人臉圖像進(jìn)行稠密的圖像塊劃分并從圖像塊中分別抽取

3、基于形狀、紋理、顏色的核描述子特征，它們是反應(yīng)人臉圖像中的頭部姿態(tài)變化和年齡變化特性的重要外觀信息。然后使用基于通用背景模型的高斯混合模型建模圖像塊的特征分布得到人臉圖像的全局外觀。高斯概率密度函數(shù)已被證明具有李群流形空間結(jié)構(gòu)性質(zhì)，為保存人臉外觀的空間結(jié)構(gòu)信息通過將每個圖像特定的高斯混合模型的各個高斯成分投影到李代數(shù)空間上就可以得到該人臉圖像的李代數(shù)高斯特征。因此李代數(shù)高斯特征既可以捕捉人臉圖像的外觀特征也可以保存人臉外觀中的流形空間結(jié)

4、構(gòu)，而且該流形結(jié)構(gòu)是從圖像的特征空間上抽取的，它更有可能對應(yīng)著頭部姿態(tài)圖像的姿態(tài)流形結(jié)構(gòu)或者年齡圖像的年齡流形結(jié)構(gòu)，因此李代數(shù)高斯特征可以在頭部姿態(tài)估計和年齡估計取得良好性能。
　　2）提出對人臉圖像進(jìn)行空間金字塔劃分從所有的子圖像中提取李代數(shù)高斯特征得到人臉圖像的多尺度李代數(shù)高斯特征表示方法，多尺度李代數(shù)高斯特征能夠從人臉圖像中抽取更多的局部信息所以將有助于頭部姿態(tài)估計。但是多尺度李代數(shù)高斯特征也存在維數(shù)較高的問題，為解決此問題

5、使用主成份分析方法對多尺度李代數(shù)高斯特征進(jìn)行降維然后基于最近質(zhì)心分類器進(jìn)行頭部姿態(tài)估計。本文進(jìn)一步基于多尺度李代數(shù)高斯特征使用了基于噪聲屬性投影的最近質(zhì)心分類器方法來判別不同人臉圖像的頭部姿態(tài)類別，該方法能夠充分利用人臉圖像的頭部姿態(tài)標(biāo)簽信息，尋找更多姿態(tài)相關(guān)特征的比較。
　　3）基于人臉圖像的多尺度李代數(shù)高斯特征研究使用支持向量機(jī)分類器進(jìn)行頭部姿態(tài)估計?？紤]到人臉圖像中包含很多與姿態(tài)無關(guān)的圖像特征，而我們的多尺度李代數(shù)高斯特征并

6、未剔除這樣的噪聲，為克服該缺陷我們采用基于類內(nèi)協(xié)方差歸一化的支持向量機(jī)分類器算法進(jìn)行頭部姿態(tài)估計，該分類器相比一般的多類支持向量機(jī)分類器在特征分類過程中能夠更好的剔除與姿態(tài)無關(guān)的特征比較從而使得最終的頭部姿態(tài)分類更加準(zhǔn)確。
　　4）在年齡估計問題上本文通過分析人臉圖像年齡的分段和時序特性進(jìn)一步提出一個新的從粗到細(xì)的兩層年齡估計方法，該方法首先通過對全局支持向量回歸值的局部自適應(yīng)中評估出一副人臉圖像的粗略年齡范圍，然后從該縮小的年齡