人臉檢測與人臉特征點定位方法的研究與改進.pdf

1、人臉識別技術(shù)是近年來人工智能化的一個熱點，人臉識別特指利用分析比較人臉視覺特征信息進行身份鑒別的計算機技術(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、以及人臉識別。而人臉定位由人臉檢測和特征點定位兩部分構(gòu)成。本文就人臉定位這兩個部分進行展開。 人臉檢測（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、人臉所在的位置及其大小。由于人臉檢測具有廣泛的應(yīng)用場景，例如：樓宇門禁、視頻監(jiān)控、人機交互、數(shù)碼相機等，再加上其問題本身的高度復(fù)雜性以及其對實時性的要求，它一直是近年來計算機視覺研究領(lǐng)域的一個熱點問題。 經(jīng)過數(shù)十年的研究與發(fā)展，至今已有很多針對人臉檢測的算法和方法，其中Adaboost方法是目前較好的方法，本文前半部先對這種方法進行了討論，然后對算法的優(yōu)化和實際過程中碰到的問題進行了深入的分析，尤其是對多姿態(tài)搜索的姿態(tài)預(yù)判和聚類

3、以及SVM（支持向量機）的后段驗證提出了新的方法。主要的改進包括以下三點：1）對框圖中的像素均方差做一個計算，通過對均方差的統(tǒng)計排除掉單調(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后段驗證，降低了誤檢出率。 人臉特征點定位在人臉檢測的基礎(chǔ)上進行，目的是對人臉的各個特征點進行精確定位。目前比較成功的方法有ASM和AAM等，AAM又稱動態(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)基梅隆大學的S.Baker等人對算法部分進行了改進，通過逆向擬合的方法提前計算Hessian矩陣，減少了定位時循環(huán)迭代的計算量。具有三維擴展性好、特征點定位準確以及最高可達230幀/秒的處理速度等優(yōu)點，AAM被認為是人臉特征點定位方法中一種有效的方法。但是改進后的算法存在形狀模板的非法形變而導(dǎo)致擬合失敗的風險，正確率不高。本文后半部對AAM算法進行討論和研究，并提