本文關(guān)鍵詞：人臉特征點(diǎn)檢測(cè)方法研究

  更多相關(guān)文章： 人臉特征點(diǎn)檢測(cè) 自然條件 級(jí)聯(lián)擬合 人臉形狀模型 高斯混合模型建模 連續(xù)隱變量模型 主元分析 支持向量機(jī) 期望最大化

【摘要】：人臉特征點(diǎn)檢測(cè)是定位人臉圖像上一系列事先定義的點(diǎn),是對(duì)人臉圖像進(jìn)行分析的基礎(chǔ)與關(guān)鍵,并且在人臉識(shí)別、表情識(shí)別、性別識(shí)別、年齡識(shí)別、人臉動(dòng)畫、視頻壓縮等方面有廣泛的應(yīng)用。在近幾十年來,人臉特征點(diǎn)檢測(cè)得到了廣泛的研究,取得了大量的成果,并在受控條件下取得了較高的檢測(cè)率及定位精度。然而大量實(shí)驗(yàn)表明,現(xiàn)有算法在自然條件下的檢測(cè)率和定位精度均出現(xiàn)一定程度的下降,無法滿足服務(wù)機(jī)器人自然人機(jī)交互時(shí)對(duì)人臉圖像分析的需求。在此背景下,本文開展自然條件下人臉特征點(diǎn)檢測(cè)的研究,為人臉識(shí)別、表情識(shí)別等方法在自然環(huán)境條件下的應(yīng)用提供堅(jiān)實(shí)的基礎(chǔ),以進(jìn)一步提高服務(wù)機(jī)器人人機(jī)交互智能性。自然條件下的人臉特征點(diǎn)檢測(cè)主要挑戰(zhàn)來源于兩點(diǎn)。一是成像條件的多變性導(dǎo)致人臉外觀變化存在高度非線性,給人臉特征點(diǎn)局部外觀模型的建立帶來極大困難。二是圖像中可能存在與特征點(diǎn)處局部外觀相似的點(diǎn),使得在復(fù)雜背景以及成像條件變化的情況下容易產(chǎn)生誤檢測(cè)。本文針對(duì)上述兩個(gè)難點(diǎn),著重研究了人臉特征局部外觀的建模、人臉形狀的建模以及人臉形狀作為先驗(yàn)知識(shí)融合到人臉特征檢測(cè)中以提高檢測(cè)精度等問題。本文的主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)如下。1.提出了一種采用GBPI圖像描述及級(jí)聯(lián)擬合算法的實(shí)時(shí)人臉特征檢測(cè)方法�？紤]到許多人臉應(yīng)用對(duì)實(shí)時(shí)性的要求,采用級(jí)聯(lián)擬合算法對(duì)人臉特征點(diǎn)位置進(jìn)行實(shí)時(shí)估計(jì)。設(shè)計(jì)了一種幾何模糊及姿態(tài)索引圖像描述(Geometry Blurred Pose Indexed image descriptor, GBPI圖像描述)對(duì)人臉特征點(diǎn)局部外觀進(jìn)行描述,并以隨機(jī)蕨作為弱分類器,訓(xùn)練兩層的級(jí)聯(lián)擬合器,對(duì)當(dāng)前位置的局部紋理與對(duì)應(yīng)人臉特征點(diǎn)的姿態(tài),包括位置、方向、尺度等進(jìn)行擬合以實(shí)現(xiàn)目標(biāo)特征點(diǎn)的定位,同時(shí)采用mean-shift算法對(duì)多個(gè)隨機(jī)選擇的初始點(diǎn)所估計(jì)得到的目標(biāo)人臉特征點(diǎn)位姿進(jìn)行融合,得到最終的人臉特征點(diǎn)定位結(jié)果,最后基于所估計(jì)的特征點(diǎn)位置及其離散程度對(duì)特征點(diǎn)的置信度進(jìn)行評(píng)估以判斷特征點(diǎn)是否被檢測(cè)到。實(shí)驗(yàn)結(jié)果表明所提算法在不考慮人臉形狀約束的條件下,對(duì)人臉特征點(diǎn)的檢測(cè)成功率和定位精度接近現(xiàn)有考慮人臉形狀約束的算法,與人工定位的精度相接近。同時(shí)所提方法在儀表檢測(cè)與數(shù)字識(shí)別中得到應(yīng)用。2.提出了一種采用馬爾科夫隨機(jī)場(chǎng)及連續(xù)隱變量模型的人臉特征檢測(cè)方法。考慮到人臉形狀約束對(duì)特征點(diǎn)定位的重要性,結(jié)合由概率主元分析得到的人臉形狀概率分布模型以及在通過級(jí)聯(lián)擬合方法給出候選人臉特征點(diǎn)位置集合的基礎(chǔ)上設(shè)計(jì)得到人臉特征點(diǎn)觀測(cè)模型,并以人臉形狀模型的參數(shù)作為連續(xù)隱變量,計(jì)算給定人臉特征點(diǎn)候選位置條件下人臉特征點(diǎn)位置的后驗(yàn)概率,并通過最大化該后驗(yàn)概率實(shí)現(xiàn)對(duì)人臉特征點(diǎn)位置的估計(jì)�？紤]到優(yōu)化過程中可能陷入局部極值,采用馬爾科夫隨機(jī)場(chǎng)建立低階人臉形狀模型,通過置信傳播算法估計(jì)人臉特征點(diǎn)的初始位置�？紤]到人臉形狀在頭部姿態(tài)變化下的復(fù)雜性,通過k-means方法對(duì)人臉形狀進(jìn)行聚類分析,并在每個(gè)聚類上建立連續(xù)隱變量模型,通過人臉特征點(diǎn)初始位置對(duì)模型進(jìn)行選擇。由于將人臉形狀及特征點(diǎn)外觀的模型參數(shù)考慮為隱變量,所提出的方法對(duì)偏離人臉訓(xùn)練集的人臉形狀有更好的適應(yīng)能力。在LFPW及LFW人臉數(shù)據(jù)集上的實(shí)驗(yàn)表明相對(duì)于級(jí)聯(lián)擬合算法以及部分現(xiàn)有算法,所提方法在檢測(cè)率和定位精度上均有一定程度的提高。3.提出了一種采用高斯混合模型的人臉特征檢測(cè)方法�？紤]到人臉局部外觀及人臉形狀在頭部姿態(tài)、表情、光照等變化下分布的復(fù)雜性,采用高斯混合模型建立人臉形狀模型,采用支持向量機(jī)及高斯混合模型建立人臉特征點(diǎn)局部外觀模型,在此基礎(chǔ)上推導(dǎo)在給定觀測(cè)即人臉圖像下人臉特征點(diǎn)位置的后驗(yàn)概率,并通過不斷最大化后驗(yàn)概率下界來逼近最大后驗(yàn)概率,實(shí)現(xiàn)對(duì)人臉特征點(diǎn)的檢測(cè)。提出了一種基于模型的霍夫投票方法,在高斯混合模型的基礎(chǔ)上估計(jì)初始人臉形狀,對(duì)所提優(yōu)化方法進(jìn)行初始化,減小優(yōu)化過程陷入局部極小的可能性。在LFPW和LFW人臉數(shù)據(jù)集上的實(shí)驗(yàn)表明所提算法的定位成功率及定位精度達(dá)到甚至超過了人工定位的精度。本文的研究在一定程度上提高了人臉特征點(diǎn)檢測(cè)算法在自然條件下的魯棒性、檢測(cè)率和定位精度,對(duì)人臉圖像分析系統(tǒng)在自然條件下的應(yīng)用有一定的推動(dòng)作用。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 趙恩環(huán);杜玲;;基于模型約束的人臉特征點(diǎn)跟蹤[J];光盤技術(shù);2008年10期

2 王麗婷;丁曉青;方馳;;一種魯棒的全自動(dòng)人臉特征點(diǎn)定位方法[J];自動(dòng)化學(xué)報(bào);2009年01期

3 鄭青碧;許穎梅;;一種快速高效的人臉特征點(diǎn)定位方法[J];計(jì)算機(jī)應(yīng)用研究;2014年04期

4 宋剛,艾海舟,徐光yP;紋理約束下的人臉特征點(diǎn)跟蹤[J];軟件學(xué)報(bào);2004年11期

5 關(guān)鵬;張立明;;基于貝賽爾曲面的三維人臉特征點(diǎn)定位方法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2008年01期

6 金城;卜佳俊;陳華;陳純;宋明黎;吳祺;;自底向上的人臉特征點(diǎn)定位[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2008年05期

7 鄒北驥;曾陽;王磊;彭小寧;;一種處理遮掩的人臉特征點(diǎn)定位方法[J];系統(tǒng)仿真學(xué)報(bào);2009年08期

8 黃琛;丁曉青;方馳;;一種魯棒高效的人臉特征點(diǎn)跟蹤方法[J];自動(dòng)化學(xué)報(bào);2012年05期

9 徐國(guó)慶;;在線模板的人臉特征點(diǎn)對(duì)齊[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年11期

10 郭修宵;陳瑩;;非約束環(huán)境下人臉特征點(diǎn)的穩(wěn)定跟蹤[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年07期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 謝琛;;基于ASM的人臉特征點(diǎn)定位淺析[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王軍南;人臉特征點(diǎn)檢測(cè)方法研究[D];浙江大學(xué);2015年

2 杜春華;人臉特征點(diǎn)定位及識(shí)別的研究[D];上海交通大學(xué);2008年

3 黨力;自動(dòng)人臉分析與識(shí)別的若干問題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉銀;基于回歸的人臉特征點(diǎn)估計(jì)算法研究[D];南京理工大學(xué);2013年

2 劉姍姍;基于視頻圖像的人臉特征點(diǎn)定位技術(shù)研究[D];四川師范大學(xué);2010年

3 牛星;人臉特征點(diǎn)提取研究及其在漫畫軟件中的應(yīng)用[D];哈爾濱工程大學(xué);2011年

4 趙濤;復(fù)雜背景下人臉特征點(diǎn)跟蹤算法研究[D];西南交通大學(xué);2014年

5 麻宏靜;基于相對(duì)角聚類和支持向量機(jī)的人臉特征點(diǎn)定位技術(shù)研究[D];西北大學(xué);2010年

6 姜浩;基于Android平臺(tái)的人臉特征點(diǎn)定位算法的研究與實(shí)現(xiàn)[D];北京交通大學(xué);2013年

7 范文萍;基于人臉特征點(diǎn)定位的主從攝像機(jī)聯(lián)動(dòng)算法研究[D];北京郵電大學(xué);2014年

8 張亮;人臉檢測(cè)與人臉特征點(diǎn)定位方法的研究與改進(jìn)[D];上海交通大學(xué);2009年

9 劉威;基于視頻圖像的人臉特征點(diǎn)實(shí)時(shí)檢測(cè)方法研究[D];天津大學(xué);2010年

10 韓玉峰;人臉特征點(diǎn)定位方法研究[D];安徽工業(yè)大學(xué);2011年

，

本文編號(hào)：1236675