面部特征點(diǎn)定位方法研究.pdf

1、在計(jì)算機(jī)視覺和圖像感知研究領(lǐng)域內(nèi)，目標(biāo)的檢測和定位是一個研究的熱點(diǎn)問題，而且許多相關(guān)問題的研究都依賴于目標(biāo)檢測的結(jié)果和定位的精度，因而得到越來越多研究者的重視。在人臉相關(guān)的領(lǐng)域內(nèi)，面部特征點(diǎn)定位作為人臉圖像分析問題的一個關(guān)鍵步驟，為后續(xù)的人臉識別、姿態(tài)估計(jì)、表情分析、人臉動畫等提供了技術(shù)保證。但是由于在很多情況下人臉圖像存在著姿態(tài)變化，表情變化，光照變化等一系列復(fù)雜變化，受此影響人臉圖像特征點(diǎn)定位的精度還不能滿足實(shí)際應(yīng)用的要求，所以研究

2、出速度快，精度高，適用性好的面部特征點(diǎn)定位方法就成為了人臉相關(guān)的研究中的當(dāng)務(wù)之急。本文正是針對這一重要研究課題，進(jìn)行了深入的理論研究和應(yīng)用實(shí)踐。
　　對面部特征點(diǎn)定位和形狀提取問題的研究，主要的研究內(nèi)容集中在兩個方面：一個是建立獨(dú)立特征點(diǎn)的局部紋理模型，另一個是建立所有特征點(diǎn)的全局形狀模型。本文從這兩個方面著手提出了新方法，取得了新成果。本文的主要研究成果包括：
　　(1)提出基于雙向級聯(lián)結(jié)構(gòu)的特征點(diǎn)檢測和定位方法。所有面部

3、特征點(diǎn)總體的定位準(zhǔn)確度是和每一個獨(dú)立的特征點(diǎn)的定位精度分不開的，尤其是眼睛，鼻子，嘴等一些關(guān)鍵特征點(diǎn)的定位，這些特征點(diǎn)為更多其他的面部特征點(diǎn)提供初始的搜索范圍，使得定位算法更穩(wěn)定。本文通過這種雙向級聯(lián)結(jié)構(gòu)的分類器設(shè)計(jì)來對特征點(diǎn)的局部紋理建模，這樣可以更加精確，同時也更加快速地檢測和定位這些關(guān)鍵特征點(diǎn)的位置。所謂雙向是指在訓(xùn)練過程中，對正例樣本和反例樣本交替進(jìn)行重采樣的過程。與傳統(tǒng)方法相比本文方法具有以下幾個優(yōu)點(diǎn)：可以應(yīng)對大規(guī)模的數(shù)據(jù)集；

4、可以處理存在復(fù)雜變化的正反例樣本；而且無論是在訓(xùn)練過程，還是在測試過程，該算法都能快速地過濾大量的“易分”樣本，獲得了較高的執(zhí)行效率。
　　(2)提出一種增強(qiáng)的主動形狀模型方法。該方法是在單個特征點(diǎn)獨(dú)立檢測的基礎(chǔ)上，引入了全局的形狀模型，并且將每個特征點(diǎn)檢測器的輸出值作為檢測到這個特征點(diǎn)的信度。將那些檢測信度比較低的特征點(diǎn)作為缺失點(diǎn)進(jìn)行處理，這些點(diǎn)的最終位置不通過特征點(diǎn)檢測器給出，而是通過信度比較高的特征點(diǎn)來預(yù)測得到。這種預(yù)測是以

5、最大化形狀概率為目標(biāo)，解析地得到不可信特征點(diǎn)的位置，因而當(dāng)檢測器輸出的信度較低或者是檢測不到特征點(diǎn)時，算法的定位精度不會受到太大的影響，可以應(yīng)對存在缺失特征點(diǎn)的情況。通過以上的設(shè)計(jì)，本文將傳統(tǒng)的主動形狀模型進(jìn)行了有效地增強(qiáng)。
　　(3)提出基于貝葉斯推理的人臉形狀提取方法。在該方法中，本文將單個特征點(diǎn)的分布和全局形狀的分布用概率描述的形式來表達(dá)，統(tǒng)一到貝葉斯推理的概率框架之中。特征點(diǎn)定位的目標(biāo)轉(zhuǎn)化為最大化形狀的后驗(yàn)概率，然后通過迭

6、代求解的方式使得所有特征點(diǎn)最終收斂于正確的面部特征點(diǎn)位置。在推理的過程中，本文對控制形狀的兩種參數(shù)（包括幾何參數(shù)和形狀參數(shù)）分別進(jìn)行優(yōu)化：根據(jù)特征點(diǎn)位置移動和這兩種參數(shù)變化之間的關(guān)系分別采用了梯度上升和高斯–牛頓優(yōu)化算法。并且根據(jù)算法的推導(dǎo)結(jié)果定義了一種稱為“概率梯度提示”的變量，人臉形狀正是在這種變量的驅(qū)動下不斷的更新，從而完成面部特征點(diǎn)的定位和人臉形狀的提取。
　　(4)提出基于人臉坐標(biāo)回歸模型的特征點(diǎn)定位和形狀提取方法。基于

7、上述的特征點(diǎn)檢測方法和形狀建模方法，本文進(jìn)一步提出基于人臉坐標(biāo)系的人臉形狀表示，將面部特征點(diǎn)定位問題轉(zhuǎn)化為人臉坐標(biāo)的對應(yīng)問題。在這個人臉坐標(biāo)系的定義下，本文提出了基于人臉坐標(biāo)回歸的特征點(diǎn)定位和形狀提取方法，對圖像上的局部表觀使用回歸算法得到對應(yīng)的人臉坐標(biāo)，并且結(jié)合形狀模型設(shè)計(jì)了使得所有特征點(diǎn)的回歸誤差之和最小的目標(biāo)函數(shù)，最后通過迭代優(yōu)化的方式求解最佳的形狀。
　　本文提出的以上幾個算法和設(shè)計(jì)在多個人臉數(shù)據(jù)庫上進(jìn)行了實(shí)驗(yàn)和驗(yàn)證，實(shí)驗(yàn)