【摘要】：人臉特征點(diǎn)定位是計(jì)算機(jī)視覺中研究和分析人臉的關(guān)鍵.為了提高在非約束環(huán)境中(大姿態(tài)變化、遮擋、復(fù)雜背景等)人臉特征點(diǎn)定位的準(zhǔn)確性和魯棒性,提出一種基于條件迭代更新隨機(jī)森林的非約束人臉特征點(diǎn)定位方法.首先,為了克服遮擋和背景噪聲的影響,對(duì)人臉子區(qū)域進(jìn)行分類,提取人臉正子區(qū)域;然后,在人臉正子區(qū)域上估計(jì)頭部姿態(tài),根據(jù)估計(jì)的頭部姿態(tài)和人臉局部子區(qū)域?qū)W習(xí)特征點(diǎn)的初始化條件概率模型,定位人臉特征點(diǎn)的初始位置;再依據(jù)特征點(diǎn)的初始位置建立人臉誤差模型,利用誤差模型在線學(xué)習(xí)并多次迭代更新隨機(jī)森林的葉子節(jié)點(diǎn),生成新的復(fù)合葉子概率模型,包括人臉子塊類別、頭部姿態(tài)、人臉形變模型、誤差偏移模型;最后,引入條件權(quán)重稀疏投票對(duì)復(fù)合葉子概率模型進(jìn)行回歸,定位人臉特征點(diǎn)的精確位置.在AFW,LFW和Pointing’04這3個(gè)具有挑戰(zhàn)性的公共人臉數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)的結(jié)果表明,該方法在非約束人臉特征點(diǎn)定位中的平均誤差值為0.15時(shí),定位準(zhǔn)確率超過95%.
【圖文】：

進(jìn)行分類,提取人臉正子區(qū)域;然后,在人臉正子區(qū)域上估計(jì)頭部姿態(tài),根據(jù)估計(jì)的頭部姿態(tài)和人臉局部子區(qū)域?qū)W習(xí)特征點(diǎn)的初始化條件概率模型,定位人臉特征點(diǎn)的初始位置;再依據(jù)特征點(diǎn)的初始位置建立人臉誤差偏移模型(erroroffsetmodel,EOM),利用誤差模型在線學(xué)習(xí)并多次迭代更新RF的葉子節(jié)點(diǎn),生成新的復(fù)合葉子概率模型,包括人臉子塊類別、頭部姿態(tài)、人臉形變模型(facedeformationmodel,FDM)、EOM;最后,引入條件權(quán)重稀疏投票方法對(duì)復(fù)合葉子概率模型進(jìn)行回歸,定位人臉特征點(diǎn)的精確位置.1基于CI-RF的非約束人臉特征點(diǎn)精確定位圖1描述了基于CI-RF的非約束人臉特征點(diǎn)定位過程,可見通過初始化定位和迭代定位2個(gè)過程,可以精確定位特征點(diǎn)位置.圖2所示為CI-RF方法流程圖.圖1基于CI-RF的非約束人臉特征點(diǎn)精確定位首先,為了減少背景和人臉遮擋的影響,在CI-RF的頂層對(duì)人臉、背景和遮擋子區(qū)域的提取和分類,如圖2a所示.然后,CI-RF再分別初始化和精確定位人臉特征點(diǎn)位置,如圖2b和圖2c.人臉

移模型學(xué)習(xí)和更新CI-RF,迭代t次后回歸人臉特征點(diǎn)的精確位置為11yaw,pitchargmax(|,,,)tjtttjjjiddpdHdPc,t=2,3,…,n(2)1.1人臉正/負(fù)子區(qū)域分類如圖3所示,使用多姿態(tài)下訓(xùn)練的Viola&Jone人臉檢測(cè)器[17]進(jìn)行人臉區(qū)域提取,其包含了一定的噪聲.為了減少非約束環(huán)境中噪聲對(duì)特征點(diǎn)定位的影響,將提取的人臉區(qū)域分為2個(gè)子區(qū)域類,人臉正子區(qū)域類和人臉負(fù)子區(qū)域類.人臉正子區(qū)域類是去除噪聲的人臉區(qū)域,對(duì)人臉特征定位有積極的影響;人臉負(fù)子區(qū)域類指的是背景區(qū)域、頭發(fā)、墨鏡等局部遮擋區(qū)域.圖2CI-RF方法流程圖人臉正/負(fù)子區(qū)域分類過程如圖4所示.首先,對(duì)檢測(cè)到的人臉區(qū)域進(jìn)行預(yù)處理,隨機(jī)提取200個(gè)不重疊的子塊,并提取4尺度和8個(gè)方向下的Gabor特征符.然后,通過RF[13]離線訓(xùn)練人臉正/負(fù)子區(qū)域類模型T.當(dāng)測(cè)試子區(qū)域P通過訓(xùn)練的隨機(jī)森林模型T到達(dá)其葉子節(jié)點(diǎn)lT時(shí),用存儲(chǔ)在葉子節(jié)點(diǎn)的概率密度Tp(c|l(P))預(yù)測(cè)子區(qū)域P的類別.最后,分類得到的人臉正子區(qū)域塊{P|c=1}用于人臉特征點(diǎn)定位.圖3人臉正子區(qū)域和人臉負(fù)子區(qū)域1.2初始化CI-RF模型和特征初始定位1.2.1訓(xùn)練初始化CI-RF模型為了訓(xùn)練人臉特征定位的初始化CI-RF模型,首先對(duì)分類得到的人臉正子區(qū)域塊提取復(fù)合特征集Pi={(Xi;Hi,Di|af)}.其中,Xi=(xi1,xi2,xi3)是多通道紋理特征,包括Gabor特征、LBP特征以及子塊的灰度特征;Hi={Yaw,Pitch}表示頭部姿態(tài)類的標(biāo)注;Di=(dji,Ej)是用于特征點(diǎn)回歸的幾何特征集,dji定義為每個(gè)人臉子塊中心到每個(gè)特征點(diǎn)的偏移距離,dpi是第i個(gè)人臉子塊的中心點(diǎn)位置,nj是第j個(gè)特征點(diǎn)的位置,如1,2,,jijijjdndpjNEnF(3)圖4人

甕?b的底層通過多個(gè)概率模型回歸得到,即yaw,pitch1yaw,pitchyaw,pitch11yaw,pitchargmax(|,)argmax(|,,)jiHjjidHpHPcdpdHPc(1)式(1)中,Pi是人臉子區(qū)域塊特征集,c是人臉子區(qū)域塊的正/負(fù)類別,1jd表示第j個(gè)人臉特征點(diǎn)的初始位置.人臉特征點(diǎn)迭代更新定位如圖2c所示,基于初始位置和人臉誤差偏移模型學(xué)習(xí)和更新CI-RF,迭代t次后回歸人臉特征點(diǎn)的精確位置為11yaw,pitchargmax(|,,,)tjtttjjjiddpdHdPc,t=2,3,…,n(2)1.1人臉正/負(fù)子區(qū)域分類如圖3所示,使用多姿態(tài)下訓(xùn)練的Viola&Jone人臉檢測(cè)器[17]進(jìn)行人臉區(qū)域提取,其包含了一定的噪聲.為了減少非約束環(huán)境中噪聲對(duì)特征點(diǎn)定位的影響,將提取的人臉區(qū)域分為2個(gè)子區(qū)域類,人臉正子區(qū)域類和人臉負(fù)子區(qū)域類.人臉正子區(qū)域類是去除噪聲的人臉區(qū)域,對(duì)人臉特征定位有積極的影響;人臉負(fù)子區(qū)域類指的是背景區(qū)域、頭發(fā)、墨鏡等局部遮擋區(qū)域.圖2CI-RF方法流程圖人臉正/負(fù)子區(qū)域分類過程如圖4所示.首先,對(duì)檢測(cè)到的人臉區(qū)域進(jìn)行預(yù)處理,隨機(jī)提取200個(gè)不重疊的子塊,并提取4尺度和8個(gè)方向下的Gabor特征符.然后,通過RF[13]離線訓(xùn)練人臉正/負(fù)子區(qū)域類模型T.當(dāng)測(cè)試子區(qū)域P通過訓(xùn)練的隨機(jī)森林模型T到達(dá)其葉子節(jié)點(diǎn)lT時(shí),用存儲(chǔ)在葉子節(jié)點(diǎn)的概率密度Tp(c|l(P))預(yù)測(cè)子區(qū)域P的類別.最后,分類得到的人臉正子區(qū)域塊{P|c=1}用于人臉特征點(diǎn)定位.圖3人臉正子區(qū)域和人臉負(fù)子區(qū)域1.2初始化CI-RF模型和特征初始定位1.2.1訓(xùn)練初始化CI-RF模型為了訓(xùn)練人臉特征定位的初始化CI-RF模型,首先對(duì)分類得到的人臉正子區(qū)域塊提取復(fù)合特征集Pi={(Xi;Hi,Di|af)}.其中,Xi=(xi1,xi2,xi3)是多通?

【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;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

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

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 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

3 萬楊;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

4 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

5 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

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

7 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

8 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

9 陳t

本文編號(hào)：2797794