人臉特征點檢測研究及應用.pdf

1、主動表觀模型（Active Appearance Model，AAM）是由Tim Cootes等人提出的一種參數(shù)化的統(tǒng)計模型。它是計算機視覺領域中的一種重要的算法，被廣泛的應用于二維非剛體目標的建模和分析。主動表觀模型通過在訓練集中對非剛體目標的形狀信息和紋理信息進行統(tǒng)一的建模，使用相應的目標函數(shù)優(yōu)化策略對新的目標進行搜索和匹配。本文以主動表觀模型作為研究對象，對其進行了全面深入地探討，并且結合局部特征算子和級聯(lián)回歸模型對人臉圖像理解中

2、的人臉特征點定位問題開展研究。
　　人臉圖像理解技術是通過計算機技術、自動化技術對數(shù)字化的人臉圖像進行解讀，提取出其中的高層語義信息的技術。因為人臉圖像信息量大、識別時的非侵擾性、采集設備簡單等等特點，人臉圖像理解技術被廣泛得應用于人臉識別、視頻監(jiān)控、國防安全等諸多領域，成為當前的研究熱點。一個完整的人臉圖像理解過程有五大主要的組成部分，即人臉檢測、人臉特征點定位、人臉對齊、人臉特征抽取、以及相應的識別、驗證和分類算法。其中，人臉

3、特征點定位是要對人臉的五官位置甚至是面部輪廓進行精準定位，它為整個自動化識別程序提供了大量精確的幾何信息，是整個程序的數(shù)據(jù)基礎。作為本文主要的研究對象，主動表觀模型正是人臉特征點定位研究中一個經(jīng)典的算法。它通過對人臉圖像中目標人臉的特征點的定位，能夠準確的獲得人臉的形狀信息和紋理信息，進而可以提取出更高層的人臉特征信息。
　　在經(jīng)典的主動表觀模型的基礎上，為了進一步提高主動表觀模型的匹配精度以及模型在不可控環(huán)境下的魯棒性，本文在對

4、主動表觀模型全面系統(tǒng)的分析和研究基礎上，提出了一種新的模型匹配策略，該方法的主要創(chuàng)新點有：
　　第一，提出了基于級聯(lián)回歸結構的主動表觀模型。通過級聯(lián)回歸模型（Cascaded Regression，CR）將若干個弱回歸器串聯(lián)起來，組成一個強回歸器，提高模型的匹配精度；
　　第二，提出了一種結構化特征融合的主動表觀模型。利用局部特征算子（Local Descriptor）的結構特征，將全局紋理模型和人臉局部特征相融合，提高模型