基于稀疏表達的人臉分析方法研究.pdf

1、在全球信息化技術(shù)飛速發(fā)展的背景下,生活的智能化逐漸成為人們追求的重點。人臉分析作為許多智能化應(yīng)用的核心環(huán)節(jié),近幾年越來越受到學者關(guān)注,其中的關(guān)鍵技術(shù)包括:人臉檢測,人臉跟蹤,人臉特征提取,特征匹配和分類等等。本文緊密貼合實驗室項目需求,對人臉分析中的人臉識別技術(shù)以及表情識別技術(shù)進行了深入的研究。首先本文對這兩個方面的一些相關(guān)技術(shù)進行了詳細的介紹和回顧,并基于當前較為熱門的算法做出了創(chuàng)新性改進,提出了一種實時性強、精度高的視頻流人臉識別算

2、法和一種分類能力優(yōu)秀的表情識別算法。本文主要的研究工作包括以下幾個方面:
　　1.稀疏表達應(yīng)用在人臉識別中性能優(yōu)越,但若直接用于視頻流實時性無法讓人滿意。本文針對此缺陷提出了多幀稀疏表達MFSRC算法。該算法進行特征提取時,在原始下采樣特征的基礎(chǔ)上加入了降維的LBP紋理特征,對人臉有更強的描述能力。此外,算法采取多幀人臉特征平均后進行稀疏編碼的策略,大大增強了系統(tǒng)的實時性。因此在處理視頻流時,MFSRC相比原始SRC算法有更高的識

3、別精度和更快的運算速度。
　　2.研究了表情識別算法中特征提取環(huán)節(jié),針對傳統(tǒng)采用主要人臉器官紋理特征提取方法分類效果不佳的情況下,提出了一種人臉特征點運動結(jié)合局部紋理的方法——通過 AAM模型對特征點定位跟蹤得到運動向量再結(jié)合特征點周圍局部LBP紋理形成最終表情特征。實驗證明了該特征提取方法具有更強的表情分類能力。
　　3.稀疏表達是一個分類上具有良好性能的算法,但引入到表情分類中卻面臨表情特征維數(shù)大,字典難以過完備的問題。