發(fā)布時(shí)間：2019-08-15 14:01

【摘要】：人臉特征點(diǎn)定位在人臉識(shí)別領(lǐng)域有著廣泛的應(yīng)用,是很多人臉識(shí)別研究工作的前提條件。近年來(lái),人臉特征點(diǎn)的研究成為一個(gè)熱點(diǎn),但是人臉特征點(diǎn)的定位是否準(zhǔn)確是人們研究的關(guān)鍵。本文采用ASM算法和L-K光流法相結(jié)合,提高了人臉特征點(diǎn)定位精度,實(shí)現(xiàn)了視頻中多姿態(tài)人臉特征點(diǎn)的跟蹤定位。主要完成了以下幾方面的工作:(1)分析了目前常見(jiàn)的人臉特征點(diǎn)定位算法,并對(duì)其進(jìn)行了分類總結(jié),分別對(duì)這些算法的性能進(jìn)行了比較�；诒疚乃芯康囊曨l中人臉特征點(diǎn)的跟蹤定位,最終選擇了基于主動(dòng)形狀模型(ASM)算法用于實(shí)驗(yàn)研究。(2)為了解決ASM算法初始位置定位不準(zhǔn)確的問(wèn)題,首先采用Adaboost算法進(jìn)行人臉檢測(cè),即進(jìn)行人臉的粗定位,找到人臉的大概位置,再用ASM算法進(jìn)行精確定位。其次,由于ASM模型訓(xùn)練階段需要耗費(fèi)大量的人力和時(shí)間來(lái)進(jìn)行樣本的特征點(diǎn)標(biāo)定工作,因此本文提出了一種矯正對(duì)稱模型的方法,提高了算法時(shí)間效率。最后,采用圖像金字塔的方法對(duì)ASM算法的定位精準(zhǔn)度做出了改進(jìn)。(3)為了解決單個(gè)ASM模型在多姿態(tài)人臉定位中的局限性,本文訓(xùn)練了正面人臉模型,平面外旋轉(zhuǎn)的兩個(gè)方向的模型對(duì)視頻中人臉進(jìn)行定位。但是,ASM模型在視頻中進(jìn)行人臉定位時(shí)無(wú)法自動(dòng)判斷某個(gè)姿態(tài)下模型與目標(biāo)的匹配效果,因此,采用改進(jìn)的L-K光流法對(duì)幾個(gè)跟蹤準(zhǔn)確的關(guān)鍵點(diǎn)進(jìn)行跟蹤,并實(shí)時(shí)計(jì)算與模型匹配的特征點(diǎn)之間的平均誤差距離,根據(jù)誤差大小來(lái)獲取更準(zhǔn)確的人臉模型進(jìn)行匹配。(4)采用仿射變換和偏移矯正的方法對(duì)L-K光流法進(jìn)行了改進(jìn),計(jì)算出本文所選取的關(guān)鍵特征點(diǎn)在視頻相鄰幀之間的仿射變換參數(shù),并利用跟蹤準(zhǔn)確的點(diǎn)的相關(guān)變化參數(shù)對(duì)跟蹤不準(zhǔn)確的點(diǎn)進(jìn)行調(diào)整,提高了算法跟蹤的精確度。然后分別采用改進(jìn)后的L-K光流法和ASM算法對(duì)關(guān)鍵特征點(diǎn)進(jìn)行跟蹤,并對(duì)兩種算法的跟蹤準(zhǔn)確度和穩(wěn)定性進(jìn)行了比較。(5)將本文所提及的算法應(yīng)用到多姿態(tài)人臉視頻中,在VS2010和OpenCV平臺(tái)下通過(guò)對(duì)多個(gè)ASM模型的自由切換實(shí)時(shí)定位運(yùn)動(dòng)中的人臉進(jìn)行了相關(guān)實(shí)驗(yàn)驗(yàn)證,實(shí)現(xiàn)了視頻中多姿態(tài)人臉的特征點(diǎn)定位。
【圖文】：

(a) 正 臉 (b) yaw 方向 (c) roll 方向 (d) pitch 方向圖 2.5 簡(jiǎn)單背景下多姿態(tài)人臉的檢測(cè)效果由圖 2.5 可知，在簡(jiǎn)單背景下，Haar 分類器對(duì)多姿態(tài)（非大角度姿態(tài)）人臉的檢測(cè)效果很不錯(cuò)，檢測(cè)準(zhǔn)確率很高。接下來(lái)，采用相對(duì)較為復(fù)雜的圖片作為實(shí)驗(yàn)樣本進(jìn)行實(shí)驗(yàn)研究，檢測(cè)效果如圖 2.6 所示。圖 2.6 較為復(fù)雜背景下多姿態(tài)人臉的檢測(cè)效果由圖 2.6 的檢測(cè)結(jié)果可得，在相對(duì)較為復(fù)雜的背景下進(jìn)行人臉檢測(cè)，檢測(cè)效果良好。對(duì)于圖片中出現(xiàn)多個(gè)人臉的情況，Haar 分類器依然能夠較為準(zhǔn)確地檢測(cè)出來(lái)。而對(duì)于姿態(tài)偏轉(zhuǎn)大的人臉，卻存在一定的誤檢和漏檢現(xiàn)象。本文專門針對(duì)大角度人臉以及復(fù)雜背景下的人臉進(jìn)行了檢測(cè)，檢測(cè)效果如圖 2.7 所示。

河北工業(yè)大學(xué)碩士學(xué)位論文(a) 正 臉 (b) yaw 方向 (c) roll 方向 (d) pitch 方向圖 2.5 簡(jiǎn)單背景下多姿態(tài)人臉的檢測(cè)效果由圖 2.5 可知，在簡(jiǎn)單背景下，Haar 分類器對(duì)多姿態(tài)（非大角度姿態(tài)）人臉果很不錯(cuò)，檢測(cè)準(zhǔn)確率很高。接下來(lái)，采用相對(duì)較為復(fù)雜的圖片作為實(shí)驗(yàn)樣驗(yàn)研究，，檢測(cè)效果如圖 2.6 所示。
【學(xué)位授予單位】：河北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈先耿;吳薇;;一種改進(jìn)的快速多姿態(tài)人臉特征點(diǎn)定位算法[J];中國(guó)科技論文;2015年08期

2 陳婷婷;阮秋琦;;較大尺度運(yùn)動(dòng)下的人體特征點(diǎn)跟蹤算法研究[J];信號(hào)處理;2014年07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 劉春生;常發(fā)亮;陳振學(xué);李爽;;基于AAM和T型結(jié)構(gòu)的人臉3D姿態(tài)估計(jì)[J];計(jì)算機(jī)工程與應(yīng)用;2012年25期

5 邵黃芳;毛劍飛;田青;;一種基于二維信息匹配的ASM定位算法[J];系統(tǒng)仿真學(xué)報(bào);2012年07期

6 楊葉梅;;基于改進(jìn)光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];計(jì)算機(jī)與數(shù)字工程;2011年09期

7 鄧義;趙暉;;基于微分平滑濾波的特征點(diǎn)跟蹤[J];計(jì)算機(jī)應(yīng)用與軟件;2011年05期

8 李皓;謝琛;唐朝京;;改進(jìn)的多模板ASM人臉面部特征定位算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年10期

9 范玉華;馬建偉;;ASM及其改進(jìn)的人臉面部特征定位算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2007年11期

10 蘇從勇,莊越挺,黃麗,吳飛;基于貝葉斯網(wǎng)絡(luò)增強(qiáng)預(yù)測(cè)模型的人臉多特征跟蹤[J];中國(guó)圖象圖形學(xué)報(bào);2005年02期

相關(guān)博士學(xué)位論文 前1條

1 郭聳;人臉檢測(cè)若干關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2011年

相關(guān)碩士學(xué)位論文 前3條

1 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

2 李冉;基于改進(jìn)Adaboost算法的多姿態(tài)人臉檢測(cè)研究[D];廣西工學(xué)院;2011年

3 齊金山;人臉姿態(tài)分析與仿真[D];南京理工大學(xué);2008年

本文編號(hào)：2527035