【摘要】：自動三維人臉特征點標定是計算機視覺領域的研究熱點,其廣泛應用于人臉識別,人臉模型配準,表情識別,臉部動畫等領域。通過對三維人臉樣本統(tǒng)計建模,采用遺傳算法對待匹配模型的生成數目進行參數優(yōu)化,利用模型相似性匹配方法及其映射關系對三維人臉特征點進行自動標定。首先,對三維人臉數據預處理,然后對其統(tǒng)計建模并通過模型形變得到有映射關系的基準模型和待匹配模型。利用遺傳算法對待匹配模型中的待匹配模型生成數目參數進行優(yōu)化,生成與之對應的待匹配模型數;接著計算待測模型與待匹配模型的相似度。最后,利用模型相似度和模型映射關系,間接得到待測模型的特征點。實驗結果表明,提出的算法是可行的,能夠在一定程度上提高原有算法的效率。該算法可以自動標定三維人臉模型的特征點,當距離閾值為10像素時,39個三維人臉特征點定位的準確率都可以達到100%,并有效解決了傳統(tǒng)方法中三維人臉模型平滑區(qū)域特征點精度不高的問題。
[Abstract]:Automatic 3D face feature point calibration is a hot topic in the field of computer vision. It is widely used in face recognition, face model registration, facial expression recognition, facial animation and so on. Through the statistical modeling of 3D face samples, the genetic algorithm is used to optimize the parameters of the generated number of matching models, and the model similarity matching method and its mapping relationship are used to calibrate the 3D face feature points automatically. Firstly, the 3D face data is preprocessed, and then the statistical model is modeled and the corresponding datum model and the matching model are obtained by the deformation of the model. Genetic algorithm is used to optimize the number of models generated in the matching model to generate the corresponding number of matching models, and then calculate the similarity between the model to be tested and the model to be matched. Finally, the feature points of the model under test are obtained indirectly by using model similarity and model mapping relationship. Experimental results show that the proposed algorithm is feasible and can improve the efficiency of the original algorithm to some extent. The algorithm can automatically calibrate the feature points of 3D face model. When the distance threshold is 10 pixels, the accuracy of all the 39 3D facial feature points can reach 100%, which effectively solves the problem that the accuracy of feature points in the smooth region of 3D face model is not high in the traditional method.
【作者單位】： 荊楚理工學院計算機工程學院;中國礦業(yè)大學銀川學院機電動力與信息工程系;
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

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

2 王麗婷;丁曉青;方馳;;一種魯棒的全自動人臉特征點定位方法[J];自動化學報;2009年01期

3 鄭青碧;許穎梅;;一種快速高效的人臉特征點定位方法[J];計算機應用研究;2014年04期

4 宋剛,艾海舟,徐光yP;紋理約束下的人臉特征點跟蹤[J];軟件學報;2004年11期

5 關鵬;張立明;;基于貝賽爾曲面的三維人臉特征點定位方法[J];復旦學報(自然科學版);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定位[J];浙江大學學報(工學版);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定位方法[J];系統(tǒng)仿真學報;2009年08期

8 黃琛;丁曉青;方馳;;一種魯棒高效的人臉特征點跟蹤方法[J];自動化學報;2012年05期

9 徐國慶;;在線模板的人臉特征點對齊[J];計算機工程與設計;2013年11期

10 郭修宵;陳瑩;;非約束環(huán)境下人臉特征點的穩(wěn)定跟蹤[J];計算機輔助設計與圖形學學報;2014年07期

相關會議論文 前1條

1 謝琛;;基于ASM的人臉特征點定位淺析[A];中國電子學會第十六屆信息論學術年會論文集[C];2009年

相關博士學位論文 前5條

1 崔瀅;基于統(tǒng)計學習的人臉特征點定位算法研究[D];南京理工大學;2015年

2 王軍南;人臉特征點檢測方法研究[D];浙江大學;2015年

3 杜春華;人臉特征點定位及識別的研究[D];上海交通大學;2008年

4 黨力;自動人臉分析與識別的若干問題研究[D];中國科學技術大學;2012年

5 馮振華;參數化統(tǒng)計新模型及其應用研究[D];江南大學;2015年

相關碩士學位論文 前10條

1 劉銀;基于回歸的人臉特征點估計算法研究[D];南京理工大學;2013年

2 劉暢翔;人臉特征點定位算法及其在人臉識別的應用研究[D];東華理工大學;2015年

3 萬楊;顯性形狀回歸的人臉對齊方法實驗研究[D];大連理工大學;2015年

4 王一軻;人臉檢測與人臉特征點定位方法的設計與實現(xiàn)[D];電子科技大學;2015年

5 張哲;三維人臉特征點的檢測與標記[D];南昌航空大學;2015年

6 吳飛龍;基于機器視覺的校車安全監(jiān)測系統(tǒng)[D];浙江大學;2016年

7 謝鄭楠;基于多任務特征選擇和自適應模型的人臉特征點檢測[D];北京交通大學;2016年

8 黃宇駒;基于級聯(lián)回歸的多姿態(tài)人臉特征點檢測算法研究[D];華南理工大學;2016年

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

10 劉姍姍;基于視頻圖像的人臉特征點定位技術研究[D];四川師范大學;2010年

，

本文編號：2246273