基于單目視頻的人臉三維跟蹤.pdf

1、得益于人工智能和機器學習技術的發(fā)展，作為運動目標識別與跟蹤重要分支的人臉跟蹤技術被廣泛應用在人機交互、虛擬現實化以及視頻安全分析等領域。本文在對當前人臉識別領域現狀以及發(fā)展趨勢的研究基礎上，針對當前流行的基于模板匹配的跟蹤方法以及其不足之處提出了一種新的方法，該方法采用 SIFT特征與模板匹配相結合，有效的解決了傳統(tǒng)模板匹配跟蹤方法中的兩大不足：第一，在運用該方法之前，需要對攝像機進行校準；第二，如果幀間位移太大，該方法無法達到良好的效

2、果。
　　本文首先在傳統(tǒng)的機器學習進行人臉跟蹤過程中，人臉首幀的初始化通常需要人工進行手動標注，針對這一問題，本文提出了一種基于深度學習的首幀自動初始化方法。通過建立棧式稀疏自編碼神經網絡，對大量未標注的樣本采用近似恒等的方法計算各隱藏層節(jié)點并運用反向傳播法進行權值微調。預訓練網絡之后，連接softmax分類器，再用少量已標注樣本對softmax分類器進行有監(jiān)督訓練，從而形成一個能進行人臉跟蹤首幀自動初始化的分類器。結果表明，該方

3、法顯著提高了人臉跟蹤中首幀初始化的效率。其次，針對模板匹配跟蹤法的兩個局限，提出了基于模板匹配和 SIFT特征相結合的方法。為了克服第一個問題，我們提出了通過迭代優(yōu)化過程，從幾個初始幀中估計照相機的未知焦距。為了緩解第二個問題，我們提出了一種跟蹤方法，該方法是基于密集光流和 SIFT特征結合的補充信息的。光流對于小位移效果很好，并且可以提供準確的位置信息，而 SIFT特征在處理較大位移或變換時效果更佳。實驗在三個公共數據庫進行，即BIW