基于支持向量回歸的面部特征點定位算法.pdf

1、面部特征點定位是人臉識別過程中的一個關(guān)鍵步驟，面部特征點定位的準確度直接影響到人臉識別的性能。然而，面部特征點定位卻是一項具有挑戰(zhàn)性的研究課題，因為許多因素，如光照、表情、姿態(tài)的變化等都會對面部特征點定位產(chǎn)生影響。本文圍繞面部特征點定位進行了深入的研究，主要內(nèi)容如下：
　?。?）利用支持向量回歸的方法進行面部特征點定位。在訓練的過程中，首先得到測試點到手工標記目標點之間的位移矢量，建立該位移矢量與測試點的紋理特征之間的關(guān)系模型。利

2、用訓練獲得的模型，在預測時通過測試點的紋理特征就可以得到預測的目標點。SVR的一個主要缺陷就是不能評估預測目標點為真實目標點的概率大小，由此會影響算法定位的精度。為降低該影響，在支持向量回歸預測的階段，增加了一個評價函數(shù)評估預測目標點為真實目標點的概率，評估值小的點，說明其為真實目標點的概率低則舍棄。
　?。?）采用Gabor小波變換與局部二值模式相結(jié)合來描述測試點的紋理特征。此方法首先對以測試點為中心的一個18×18像素的窗口進

3、行2尺度4方向的Gabor小波變換，分別對每個尺度的Gabor濾波圖譜疊加，得到兩個尺度的Gabor特征圖像。然后，對每個尺度的Gabor特征圖像進行分塊LBP編碼，分為3×3的子塊，分別統(tǒng)計每個子塊的LBP特征，得到每個子塊的LBP直方圖。最后，將所有的直方圖按順序連接起來作為該測試點的紋理表示。利用此種方法進行紋理特征描述所得到的特征維數(shù)是巨大的。為了降低特征維數(shù)，節(jié)省計算時間，引入基于相關(guān)性的特征選擇方法去除冗余特征和不相關(guān)特征。