【摘要】：人臉圖像分析是計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的前沿課題,包含人臉檢測(cè),人臉特征點(diǎn)定位,表情識(shí)別,人臉識(shí)別等一系列研究?jī)?nèi)容。其中人臉檢測(cè)和面部特征點(diǎn)的精確定位是人臉識(shí)別,表情識(shí)別,姿態(tài)估計(jì)等應(yīng)用中的至關(guān)重要的步驟,也是擴(kuò)大基于人臉?lè)治龅膽?yīng)用的范圍的過(guò)程中需要解決的關(guān)鍵問(wèn)題�；谶@一實(shí)際需求,本文所做的工作是在背景中進(jìn)行人臉定位檢測(cè),分割出橢圓形人臉感興趣區(qū)域,然后在檢測(cè)出的人臉區(qū)域內(nèi)進(jìn)行基于紋理特征和形狀約束的五官特征點(diǎn)精確定位。傳統(tǒng)的人臉特征點(diǎn)定位算法對(duì)臉部特征點(diǎn)的特有特征研究不多,致使特征點(diǎn)的初始化檢測(cè)效果不好,從而直接影響到后續(xù)對(duì)特征點(diǎn)點(diǎn)集的形狀約束。針對(duì)以上問(wèn)題,這篇文章根據(jù)臉部特征點(diǎn)的紋理特征,利用Powell算法學(xué)習(xí)得到基于SIFT(Scale Invariant Feature Transform)的特征算子最優(yōu)化的參數(shù);然后提取臉部特征點(diǎn)在最優(yōu)化的參數(shù)下的SIFT特征算子并用于訓(xùn)練基于支持向量回歸機(jī)的檢測(cè)器;最后利用優(yōu)化的檢測(cè)器在感興趣區(qū)域內(nèi)進(jìn)行特征點(diǎn)初始化檢測(cè)。文章利用LFPW人臉數(shù)據(jù)庫(kù)作為訓(xùn)練庫(kù)進(jìn)行SIFT特征算子參數(shù)的優(yōu)化,并訓(xùn)練基于SIFT特征的支持向量回歸機(jī)。最后在BioID數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試,通過(guò)實(shí)驗(yàn)驗(yàn)證了,在存在光線,姿勢(shì),表情變換的情況下,基于改進(jìn)的SIFT特征訓(xùn)練的支持向量回歸機(jī)對(duì)人臉特征點(diǎn)初始化檢測(cè)的效果相比于基于未改進(jìn)的SIFT特征的支持向量回歸機(jī)有了大幅度的提高,另外引入的基于三點(diǎn)一組模型的外形結(jié)構(gòu)約束算法,成功對(duì)人臉特征點(diǎn)初始化檢測(cè)的異常值進(jìn)行了校正,進(jìn)一步提高了人臉特征點(diǎn)定位的精確度。
[Abstract]:Face image analysis is an advanced subject in the field of computer vision and pattern recognition, which includes a series of research contents, such as face detection, facial feature point location, facial expression recognition, face recognition and so on. Among them, face detection and accurate location of facial feature points are important steps in the application of face recognition, facial expression recognition and pose estimation, and are also the key problems to be solved in the process of expanding the scope of application based on face analysis. Based on this practical requirement, the work of this paper is to detect the face in the background and segment the region of interest to the elliptical face. Then the facial feature points based on texture feature and shape constraint are accurately located in the detected face region. The traditional facial feature point localization algorithm has little research on the unique features of facial feature points, which leads to the poor initialization and detection effect of feature points, which directly affects the shape constraints of the feature points set. According to the texture features of facial feature points, this paper uses Powell algorithm to obtain the optimized parameters of feature operators based on sift (scale Invariant feature transform). Then, the sift feature operator of facial feature points under the optimized parameters is extracted and used to train the detector based on support vector regression machine. Finally, the optimized detector is used to initialize the feature points in the region of interest. In this paper, the LFPW face database is used as the training database to optimize the parameters of the sift feature operator and to train the support vector regression machine based on the sift feature. And finally we tested it on the BioID database, and it was verified that, in the presence of light, posture, and facial changes, The effect of SVM based on improved sift feature training for initial detection of facial feature points is much higher than that of support vector regression machine based on unimproved sift feature. In addition, the contour structure constraint algorithm based on 3.1 sets of models is introduced, which successfully corrects the outliers of initial detection of facial feature points, and further improves the accuracy of facial feature points location.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉成明;張立明;;一種改進(jìn)的人臉特征點(diǎn)定位方法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2006年04期

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

3 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

4 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

5 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

6 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

7 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

8 鄒北驥;曾陽(yáng);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

9 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

10 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

相關(guān)會(huì)議論文 前7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

2 汪麗華;汪道寅;王澤梁;;SIFT算法圖像自適應(yīng)優(yōu)化[A];浙江省電子學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

3 安如;王慧麟;晏翔;;基于SIFT和漸進(jìn)局部幾何約束的多源遙感圖像自動(dòng)匹配研究[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

4 符宇;任獲榮;;PCA-SIFT的工件圖像識(shí)別算法[A];第五屆數(shù)控機(jī)床與自動(dòng)化技術(shù)專家論壇、第18屆中國(guó)西部國(guó)際裝備制造業(yè)博覽會(huì)�？痆C];2014年

5 孟德劍;孫劍峰;郜鍵;;基于SIFT的激光雷達(dá)圖像拼接[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會(huì)論文（摘要）集[C];2013年

6 鄧文鍇;楊穎;楊杏芬;梁志明;黃俊明;謝曉萍;鄭穗生;古梅英;;SIFT試驗(yàn)方法的建立及在皮膚刺激性評(píng)價(jià)中的應(yīng)用[A];中國(guó)毒理學(xué)會(huì)第六屆全國(guó)毒理學(xué)大會(huì)論文摘要[C];2013年

7 陳志華;吳彩榮;趙建鋒;曾鍛成;;SIFT算法的介紹和應(yīng)用[A];廣西計(jì)算機(jī)學(xué)會(huì)2008年年會(huì)論文集[C];2008年

相關(guān)博士學(xué)位論文 前6條

1 崔瀅;基于統(tǒng)計(jì)學(xué)習(xí)的人臉特征點(diǎn)定位算法研究[D];南京理工大學(xué);2015年

2 趙海明;3D打印設(shè)計(jì)與個(gè)性化制造技術(shù)[D];浙江大學(xué);2017年

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

4 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

5 黨力;自動(dòng)人臉?lè)治雠c識(shí)別的若干問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

6 馮振華;參數(shù)化統(tǒng)計(jì)新模型及其應(yīng)用研究[D];江南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 徐楚;基于優(yōu)化的SIFT特征描述子的人臉特征點(diǎn)定位算法的研究[D];天津大學(xué);2016年

2 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

3 劉暢翔;人臉特征點(diǎn)定位算法及其在人臉識(shí)別的應(yīng)用研究[D];東華理工大學(xué);2015年

4 萬(wàn)楊;顯性形狀回歸的人臉對(duì)齊方法實(shí)驗(yàn)研究[D];大連理工大學(xué);2015年

5 王一軻;人臉檢測(cè)與人臉特征點(diǎn)定位方法的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

6 張哲;三維人臉特征點(diǎn)的檢測(cè)與標(biāo)記[D];南昌航空大學(xué);2015年

7 吳飛龍;基于機(jī)器視覺(jué)的校車安全監(jiān)測(cè)系統(tǒng)[D];浙江大學(xué);2016年

8 謝鄭楠;基于多任務(wù)特征選擇和自適應(yīng)模型的人臉特征點(diǎn)檢測(cè)[D];北京交通大學(xué);2016年

9 黃宇駒;基于級(jí)聯(lián)回歸的多姿態(tài)人臉特征點(diǎn)檢測(cè)算法研究[D];華南理工大學(xué);2016年

10 賈子元;基于深度感知的個(gè)性化皮影戲生成方法研究[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號(hào)：2133831