人臉姿勢(shì)估計(jì)與各姿勢(shì)下的人臉對(duì)齊.pdf

1、人臉識(shí)別是當(dāng)前生物特征識(shí)別的熱點(diǎn)之一,并且在信息安全、視頻監(jiān)控、視頻跟蹤等領(lǐng)域有著廣泛的應(yīng)用前景.目前的人臉識(shí)別方法主要集中在二維圖像方面,恒由于受到光照、姿勢(shì)、表情變化等因素的影響,其識(shí)別的準(zhǔn)確度受到很大的限制.到目前為止,建立一個(gè)魯棒的人臉識(shí)別系統(tǒng)仍然是一個(gè)很困難的問(wèn)題.三維人臉模型具有比二維人臉圖像更豐富的信息,利用三維人臉模型是解決目前問(wèn)題的有效方法之一.三維人臉識(shí)別中的核心部分是建立3D形變模型(Morphable Model

2、),而數(shù)據(jù)庫(kù)中不同姿勢(shì)下的人臉圖像與參考圖像的特征點(diǎn)對(duì)應(yīng)是構(gòu)建形變模型的關(guān)鍵性問(wèn)題.目前這個(gè)問(wèn)題在人臉識(shí)別領(lǐng)域還是尚未很好解決的問(wèn)題. 本文主要研究不同姿勢(shì)下的人臉對(duì)齊問(wèn)題.這個(gè)問(wèn)題可以分為兩部分,第一部分是從二維人臉圖像中估計(jì)其人臉姿勢(shì);第二部分,根據(jù)已知的人臉姿態(tài),利用主動(dòng)形狀模型提取人臉的特征點(diǎn).這樣可以用稀疏的特征點(diǎn)建立3D形變模型,相比于用其它的方法(如光流方法)簡(jiǎn)單、節(jié)省計(jì)算成本. 本文的主要貢獻(xiàn)總結(jié)如下:

3、 1)系統(tǒng)綜述了人臉識(shí)別的發(fā)展歷史與研究現(xiàn)狀.以人臉識(shí)別系統(tǒng)的框圖為基礎(chǔ),闡述了人臉識(shí)別系統(tǒng)的主要組成模塊:人臉檢測(cè)、人臉表征和分類識(shí)別.然后以這些主要模塊的核心技術(shù)為線索,詳細(xì)闡述了人臉識(shí)別在不同發(fā)展階段的特點(diǎn)和成就,并且對(duì)這些模塊中一些典型的算法進(jìn)行分類.特別指出,三維人臉識(shí)別是現(xiàn)階段人臉識(shí)別研究的熱點(diǎn)和難點(diǎn),也是以后人臉識(shí)別研究的主流方向.此外,介紹了目前國(guó)內(nèi)外相關(guān)的科研機(jī)構(gòu),和人臉識(shí)別中常用的一些數(shù)據(jù)庫(kù). 2)從兩

4、個(gè)方面改經(jīng)主動(dòng)形狀模型(Active Shape Model,簡(jiǎn)稱ASM)方法. SM一般是通過(guò)一維的局部紋理搜索,形成迭代過(guò)程,使得形狀模型在人臉圖像中搜索到與它相類似的實(shí)例.由于ASM的搜索時(shí)間較長(zhǎng),對(duì)初始化位置比較敏感,而且容易陷入最小值,使得ASM難以直接用于面部特征的提取.為此,首先提取面部顯著特征點(diǎn),為形狀模型在人臉圖像中粗略定好初始位置,較好地克服了ASM方法本身中的一些不足,減少了迭代搜索時(shí)間;并且提出建立2D紋理模型,

5、使用Bhattacharyya 距離搜索最優(yōu)特征點(diǎn)位置,這些改進(jìn)提高了多特征點(diǎn)的定位精度.這一研究為后面的不同姿勢(shì)下的人臉對(duì)齊打下良好的基礎(chǔ). 3) 流形學(xué)習(xí)用于人臉姿勢(shì)分析和人臉識(shí)別.在多元數(shù)據(jù)分析領(lǐng)域的潛力引起了計(jì)算機(jī)視覺(jué)領(lǐng)域的濃厚興趣,它試圖揭示多元數(shù)據(jù)集的內(nèi)蘊(yùn)結(jié)構(gòu),并進(jìn)一步用于數(shù)據(jù)特征的研究.本文回顧了各種流形學(xué)習(xí)方法,并且把一些典型方法整合到一個(gè)框架中,揭示了由于優(yōu)化函數(shù)的不同,出現(xiàn)了不同的流形學(xué)習(xí)方法.最后,由于流形

6、學(xué)習(xí)降維得到的子空間的判別能力低于傳統(tǒng)的降維方法得到的子空間,我們提出了監(jiān)督式局部保持映射方法.此方法充分利用了數(shù)據(jù)的類別信息可以很好的應(yīng)用于人臉識(shí)別和人臉姿勢(shì)估計(jì)中. 4) 研究了人臉姿勢(shì)估計(jì)問(wèn)題.從二維人臉圖像中估計(jì)人臉姿勢(shì)是很困難的事情,而且一些影響因素增加了此問(wèn)題的難度,比如光照的變化、人的身份變化、圖像分辨率等.簡(jiǎn)要介紹了一些現(xiàn)有的人臉姿勢(shì)方法,并提出了兩種改進(jìn)的人臉姿勢(shì)估計(jì)方法.一種是基于人臉檢測(cè)概率的姿勢(shì)估計(jì)方法,

7、另一種是基于流形學(xué)習(xí)的姿勢(shì)估計(jì)方法. 5) 討論了多姿勢(shì)下的人臉對(duì)齊問(wèn)題.由于人臉在深度方向上發(fā)生旋轉(zhuǎn),引起一些非線性變換,使得解決此類問(wèn)題的難度加大.在本文中,我們提出了一個(gè)新的方法,此方法共分為兩部分:一部分是把從正面人臉到左側(cè)面人臉之間的范圍平均分成幾個(gè)區(qū)間,在每個(gè)區(qū)間內(nèi)訓(xùn)練一個(gè)統(tǒng)計(jì)形狀模型,另一部分是由人臉姿勢(shì)估計(jì)方法尋找相應(yīng)的統(tǒng)計(jì)形狀模型,并用優(yōu)化算法從新的一幅人臉圖像中搜索到與統(tǒng)計(jì)形狀模型相似的實(shí)例.我們用JCL-P