基于特征點(diǎn)的3D人臉姿態(tài)跟蹤.pdf

1、人臉在人際交往中扮演著非常重要的角色，人臉特征具有精確度高、采集方便、內(nèi)容豐富、適用性廣等優(yōu)點(diǎn)，使得人臉成為人們在確認(rèn)一個(gè)人身份時(shí)所采取的最普遍的生物特征。針對彩色圖像序列中的人臉檢測、跟蹤以及識別是伴隨著計(jì)算機(jī)硬件的快速發(fā)展和視覺技術(shù)等應(yīng)用的需求在近幾年逐步成為學(xué)者們研究的熱點(diǎn)，這三者相輔相成，其中人臉動態(tài)識別與驗(yàn)證已經(jīng)成為現(xiàn)代社會日常生活中經(jīng)?？梢砸姷降募夹g(shù)，比如安防視頻監(jiān)控、門禁系統(tǒng)、視頻會議、身份識別等關(guān)鍵技術(shù)。人臉跟蹤可以實(shí)時(shí)

2、對后續(xù)動態(tài)特征進(jìn)行擬合和定位，具有十分重要的應(yīng)用前景和理論意義。
　　針對視頻中彩色圖像幀序列中的人臉跟蹤問題，提出基于一個(gè)攝像機(jī)捕捉的單目視頻序列的人臉3D姿態(tài)跟蹤方法(3D face pose tracking)，在跟蹤過程中引入了非高精度人臉網(wǎng)格模型。整個(gè)3D人臉跟蹤姿態(tài)工作主要分成以下幾點(diǎn):
　　1.闡述了人臉跟蹤幾個(gè)廣泛應(yīng)用的算法，包括光流法、Camshift算法以及粒子濾波算法，分析各自的優(yōu)越性和局限性，通過對上

3、述算法局限性的分析，提出了3D人臉姿態(tài)跟蹤方法。
　　2.研究實(shí)現(xiàn)了一種基于ASM的人臉特征點(diǎn)提取方法，方法利用參數(shù)化的采樣形狀來構(gòu)成對象形狀模型，用于初始化人臉跟蹤，對初始幀進(jìn)行特征點(diǎn)提取和定位，結(jié)果實(shí)現(xiàn)了對初始幀人臉特征點(diǎn)準(zhǔn)確的定位。
　　3.利用改進(jìn)的PC-SIFT特征點(diǎn)匹配算法來得到可靠的幀間特征匹配，算法找到前幀與所選的關(guān)鍵幀之間特征匹配信息，并將前幀與所選的關(guān)鍵幀特征匹配信息及融入到對當(dāng)前的姿態(tài)估計(jì)中，算法實(shí)現(xiàn)了

4、對幀間特征點(diǎn)信息準(zhǔn)確的匹配，為后續(xù)3D姿態(tài)估計(jì)提供可靠保障。
　　4.通過利用RANSAC隨機(jī)選取特征點(diǎn)對，并用POSIT和最小化誤差組合的3D投影方法以迭代的方式得到精確的當(dāng)前幀人臉姿態(tài)估計(jì)。最后引入關(guān)鍵幀對姿態(tài)進(jìn)行校正，解決了3D人臉跟蹤的漂移問題。
　　通過多組實(shí)驗(yàn)數(shù)據(jù)對比，表明了該算法在嚴(yán)重遮擋，頭部擺動幅度較大、匹配點(diǎn)較少的復(fù)雜情況干擾下仍具有魯棒性，并且該算法解決了3D人臉跟蹤的漂移問題，實(shí)現(xiàn)對目標(biāo)人臉的穩(wěn)定跟蹤