基于ASM的人臉定位研究.pdf

1、自動(dòng)人臉識(shí)別(AFR)研究試圖賦予計(jì)算機(jī)根據(jù)人臉辨別人物身份的能力。該研究具有重要的科學(xué)意義和巨大的應(yīng)用價(jià)值。經(jīng)過(guò)三十多年的發(fā)展，AFR技術(shù)取得了長(zhǎng)足的進(jìn)步，目前最好的AFR系統(tǒng)在理想情況下已經(jīng)能夠取得可以接受的識(shí)別性能。但測(cè)試和實(shí)踐經(jīng)驗(yàn)表明：非理想條件下的人臉識(shí)別技術(shù)還遠(yuǎn)未成熟，要開(kāi)發(fā)出真正魯棒、實(shí)用的AFR應(yīng)用系統(tǒng)還需要解決大量的關(guān)鍵問(wèn)題，尤其需要研究作為識(shí)別必要前提條件的面部關(guān)鍵特征精確定位問(wèn)題。本文重點(diǎn)探討基于統(tǒng)計(jì)學(xué)習(xí)的面部特征

2、定位問(wèn)題。 研究了特征精確配準(zhǔn)問(wèn)題，重點(diǎn)討論了基于主動(dòng)形狀模型的人臉定位算法。首先介紹了點(diǎn)分布模型，并在訓(xùn)練樣本對(duì)齊、形狀變換建模和基數(shù)目的選擇三方面展開(kāi)討論，然后詳細(xì)描述了主動(dòng)形狀模型的整個(gè)搜索過(guò)程和多分辨率框架，并討論了相關(guān)研究工作。從統(tǒng)計(jì)外觀模型出發(fā)，介紹了基于統(tǒng)計(jì)外觀模型的AAM技術(shù)，并與ASM做了比較說(shuō)明。同時(shí)介紹了圖像扭曲技術(shù)，重點(diǎn)描述了分塊仿射技術(shù)。 介紹了人臉定位樣本的采集過(guò)程，搜集各種人臉圖片進(jìn)行人工標(biāo)

3、定關(guān)鍵特征點(diǎn)，利用主動(dòng)形狀模型(ASM)進(jìn)行人臉定位。提出模型分次搜索，在對(duì)整個(gè)人臉建模的同時(shí)，也分別對(duì)眼睛和嘴巴構(gòu)造模型，利用眼睛模型和嘴巴模型優(yōu)化總體搜索達(dá)到了非常好的效果。通過(guò)模型點(diǎn)數(shù)對(duì)比實(shí)驗(yàn)和去除輪廓實(shí)驗(yàn)來(lái)對(duì)模型描述選擇進(jìn)行討論，計(jì)算了平均搜索誤差和搜索一次所耗時(shí)間，并進(jìn)行了對(duì)比分析。對(duì)測(cè)試中失敗結(jié)果進(jìn)行分析，對(duì)影響搜索的各種因素進(jìn)行討論，指出初始化對(duì)于搜索的成敗往往起了決定作用，而光照變化、姿態(tài)變化、表情變化、毛發(fā)飾物的遮擋、

4、訓(xùn)練集不足等因素的影響也是整個(gè)搜索失敗的重要原因。 指出基于ASM的人臉定位缺少收斂準(zhǔn)則和質(zhì)量評(píng)價(jià)，強(qiáng)調(diào)了建立一種合理的質(zhì)量評(píng)價(jià)機(jī)制的重要性，提出了一種利用統(tǒng)計(jì)學(xué)習(xí)方法來(lái)構(gòu)造人臉定位評(píng)估函數(shù)的方法。介紹和討論分類(lèi)器設(shè)計(jì)，指出分類(lèi)器性能主要取決于特征空間和學(xué)習(xí)算法選取兩個(gè)方面。觀察和分析了Gabor小波，指出其優(yōu)良特性(良好的空間局部性和方向選擇性)并選擇Gabor特征作為評(píng)估算法的分類(lèi)特征。介紹和研究了AdaBoost學(xué)習(xí)算法，