基于改進(jìn)型主動(dòng)外觀模型的面部特征定位與人臉識(shí)別方法研究.pdf

1、人臉識(shí)別作為生物識(shí)別技術(shù)之一，是指基于已知的人臉樣本庫(kù)，利用圖像處理和模式識(shí)別技術(shù)從靜態(tài)或動(dòng)態(tài)場(chǎng)景中，識(shí)別或驗(yàn)證一個(gè)或多個(gè)人臉，在商業(yè)、安全等領(lǐng)域有著廣泛的應(yīng)用前景。人臉面部特征定位是實(shí)現(xiàn)人臉圖像分析的關(guān)鍵，對(duì)人臉識(shí)別和面部特征定位進(jìn)行研究具有重要的理論和應(yīng)用價(jià)值。人臉特征定位是通過(guò)計(jì)算機(jī)在人臉圖像中自動(dòng)定位出人臉各個(gè)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(diǎn)的位置。主動(dòng)外觀模型是進(jìn)行人臉面部特征定位和人臉識(shí)別的有效方

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

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

4、的偏差進(jìn)行排序的方法。本文建立的基于獨(dú)立分量分析的主動(dòng)外觀模型，在統(tǒng)計(jì)外形模型和統(tǒng)計(jì)紋理模型中采用ICA對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。 2.利用人臉深度圖和與之對(duì)應(yīng)的灰度圖像，將2D AAMs擴(kuò)展為基于人臉深度和灰度信息的改進(jìn)型AAMs。經(jīng)典的主動(dòng)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(wú)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(duì)應(yīng)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(jié)合的改進(jìn)型AAMs。同時(shí)，將AAMs對(duì)目標(biāo)圖像進(jìn)行匹配的目標(biāo)函數(shù)修正為深度誤差和紋理誤差的加權(quán)和，并通過(guò)實(shí)驗(yàn)確定了加權(quán)系數(shù)。 3.利用三維人臉曲面的曲率解決改進(jìn)型主動(dòng)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(duì)人臉進(jìn)行初步特征定位，用定位的結(jié)果作為改進(jìn)型AAMs搜索初始位置。文中詳細(xì)論述了改進(jìn)型主動(dòng)外觀模型的建立過(guò)程和匹配過(guò)程，以