基于ASM的人臉定位研究.pdf

1、自動人臉識別(AFR)研究試圖賦予計算機根據(jù)人臉辨別人物身份的能力。該研究具有重要的科學意義和巨大的應用價值。經(jīng)過三十多年的發(fā)展，AFR技術取得了長足的進步，目前最好的AFR系統(tǒng)在理想情況下已經(jīng)能夠取得可以接受的識別性能。但測試和實踐經(jīng)驗表明：非理想條件下的人臉識別技術還遠未成熟，要開發(fā)出真正魯棒、實用的AFR應用系統(tǒng)還需要解決大量的關鍵問題，尤其需要研究作為識別必要前提條件的面部關鍵特征精確定位問題。本文重點探討基于統(tǒng)計學習的面部特征

2、定位問題。 研究了特征精確配準問題，重點討論了基于主動形狀模型的人臉定位算法。首先介紹了點分布模型，并在訓練樣本對齊、形狀變換建模和基數(shù)目的選擇三方面展開討論，然后詳細描述了主動形狀模型的整個搜索過程和多分辨率框架，并討論了相關研究工作。從統(tǒng)計外觀模型出發(fā)，介紹了基于統(tǒng)計外觀模型的AAM技術，并與ASM做了比較說明。同時介紹了圖像扭曲技術，重點描述了分塊仿射技術。 介紹了人臉定位樣本的采集過程，搜集各種人臉圖片進行人工標

3、定關鍵特征點，利用主動形狀模型(ASM)進行人臉定位。提出模型分次搜索，在對整個人臉建模的同時，也分別對眼睛和嘴巴構造模型，利用眼睛模型和嘴巴模型優(yōu)化總體搜索達到了非常好的效果。通過模型點數(shù)對比實驗和去除輪廓實驗來對模型描述選擇進行討論，計算了平均搜索誤差和搜索一次所耗時間，并進行了對比分析。對測試中失敗結果進行分析，對影響搜索的各種因素進行討論，指出初始化對于搜索的成敗往往起了決定作用，而光照變化、姿態(tài)變化、表情變化、毛發(fā)飾物的遮擋、

4、訓練集不足等因素的影響也是整個搜索失敗的重要原因。 指出基于ASM的人臉定位缺少收斂準則和質量評價，強調了建立一種合理的質量評價機制的重要性，提出了一種利用統(tǒng)計學習方法來構造人臉定位評估函數(shù)的方法。介紹和討論分類器設計，指出分類器性能主要取決于特征空間和學習算法選取兩個方面。觀察和分析了Gabor小波，指出其優(yōu)良特性(良好的空間局部性和方向選擇性)并選擇Gabor特征作為評估算法的分類特征。介紹和研究了AdaBoost學習算法，