三維人臉特征點定位作為人臉識別相關技術應用的基礎,廣泛運用于人臉識別,人臉表情識別,人臉匹配,人臉對齊,人臉形狀分析等領域,而人臉表面變化復雜,為了克服姿態(tài)變化,遮擋等情況的影響,業(yè)界需要魯棒的三維人臉特征點定位算法。本文在以往的研究基礎上,通過對鼻尖點特性的分析和深度模型在特征點定位中的應用,分別實現(xiàn)了一個鼻尖點的單獨定位算法和一個多特征點定位算法。本文內容的主要工作和創(chuàng)新點如下:1)提出了一種對姿態(tài)魯棒的三維人臉鼻尖點快速定位算法。鼻尖點定位的準確性決定了人臉切割等人臉預處理步驟的好壞。然而人臉在發(fā)生姿態(tài)變化時,鼻尖往往并非處于正方向的最高點,這給傳統(tǒng)的一些鼻尖定位方法帶來了嚴重的影響。為了克服這個問題,本章提出的算法將鼻尖點定位分成兩步:第一,對每個頂點構建稀疏鄰域集,在局部基準坐標下提取頂點附近的領域點到局部基準坐標系平面的距離,得到一種新的旋轉不變性特征,局部基準坐標能量。依據(jù)該能量可以迭代篩選出可能為鼻尖的候選點。第二,在候選點中計算每個頂點的散度特征,散度可以描述頂點附近矢量場的膨脹與收縮程度,而鼻尖處的矢量場在人臉表面中膨脹程度最大,因此擁有散度值最大的候選點為最終鼻尖... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

維人臉數(shù)(a)三維點云(b)三維網(wǎng)

第一章緒論500個對象，男性和女性各占一半，該庫沒有過多的表情或姿態(tài)變化，因此適合做中性正面人臉的相關技術研究。1.3.3三維人臉特征點定位評價指標圖1-2特征點定位準確度評判從直觀角度來說，可以觀察出算法定位的特征點是否處于對應位置上。但從數(shù)學角度來說，人臉表面特征點沒有固定的表現(xiàn)形式，因此，為了對特征點定位算法的結果能夠量化描述準確度，通常在一些測試人臉上手工標記好每個特征點的坐標位置，通過對比手工標記點和算法輸出點的一些數(shù)學指標來反饋定位的準確性。圖1-2直觀顯示了以人臉右眼角點的定位為例的準確度衡量。在三維人臉特征點定位領域常見的評價指標描述如下：1)絕對距離誤差：對于某個特征點，由算法定位的特征點坐標和手工標記點之間計算歐式距離得到。2)個體檢測誤差：在多特征點定位中，統(tǒng)計個體所有特征點的定位距離誤差，并求均值得到。3)特征點檢測誤差：以某個特征點為單位，統(tǒng)計在測試集中所有個體在該特征點的絕對距離誤差，由所有個體在該特征點的定位距離誤差的均值和標準差表示。其中距離誤差的均值稱為特征點平均誤差，距離誤差的標準差稱為特征點標準差。4)總體檢測誤差：以整個測試集為單位，統(tǒng)計該數(shù)據(jù)集所有個體檢測誤差的均值和標準差。個體檢測誤差的均值稱為總體平均誤差，個體檢測誤差的標準差稱為總體標準差。4)可接受距離：以某個特征點為單位，標定一個閾值來衡量這次定位成功還是失敗。5)特征點檢測成功率：以特征點為單位，統(tǒng)計特征點平均誤差小于可接受距離的個體占總體的比率。5

東南大學碩士學位論文6)總體檢測成功率：以測試集為單位，統(tǒng)計個體檢測誤差小于可接受距離的個體占總體的比率。7)個體檢測誤差累計分布：以測試集為單位，統(tǒng)計一個數(shù)據(jù)集所有個體檢測誤差的概率累計分布。如圖1-3所示，通過折線圖來表示個體檢測誤差累計分布，橫軸x表示可接受距離的變化，縱軸y表示數(shù)據(jù)集中個體檢測誤差小于可接受距離的個體占總體數(shù)量的比率，即不同可接受距離下的總體檢測成功率。圖1-3個體檢測誤差累計分布圖1.3.4三維人臉特征點定位應用三維人臉特征點定位的最重要應用為兩個方向：三維人臉識別[17]和三維人臉表情識別[18]。首先，三維人臉識別中諸多環(huán)節(jié)需要特征點坐標，包括三維人臉預處理[19]、三維人臉姿態(tài)估計、三維人臉剛性區(qū)域提取[19]、三維人臉局部特征提取[20]、三維人臉配準[21]和數(shù)字特征預提取[22]等，具體應用細節(jié)如下：1)三維人臉預處理：前端采集設備得到的三維人臉點云數(shù)據(jù)往往是冗雜的，人臉作為感興趣區(qū)域需要從中切割出。三維人臉切割方法以鼻尖為中心，一定距離的半徑做球，球內區(qū)域主要包括了人臉區(qū)域，因此，鼻尖點定位的準確度直接影響了切割效果和后續(xù)處理，如果鼻尖定位有偏差會導致人臉區(qū)域不對稱，人臉下巴區(qū)域丟失等較嚴重的問題。2)三維人臉姿態(tài)估計：如前幾節(jié)所述，在三維空間中人臉朝向是任意的，姿態(tài)有千萬種變化。在進行人臉識別前需要將人臉姿態(tài)歸一化到同一個朝向，這就需要臉部特征點坐標以便進行人臉姿態(tài)預測，進而完成姿態(tài)調整。3)三維人臉配準：三維人臉點云往往數(shù)量較多，在進行一些配準算法時如果全局考慮所有頂點的對齊將會十分耗時，這一步驟可通過只配準一些特征點來簡化。4)三維人臉剛性區(qū)域提�。喝四樖且粋�半剛性表面，包括了容易發(fā)生形變的鼻尖下6

【參考文獻】：
期刊論文
[1]基于關鍵點的由粗到精三維人臉特征點定位[J]. 成翔昊,達飛鵬,鄧星.  儀器儀表學報. 2018(10)
[2]基于人臉側影線角點檢測的鼻尖點定位方法[J]. 潘臘青,徐海黎,韋勇,沈標.  計算機工程與應用. 2018(13)
[3]BJUT-3D三維人臉數(shù)據(jù)庫及其處理技術[J]. 尹寶才,孫艷豐,王成章,蓋赟.  計算機研究與發(fā)展. 2009(06)

博士論文
[1]表情變化下三維人臉識別中特征提取與分類研究[D]. 鄧星.東南大學 2017

碩士論文
[1]人臉關鍵特征點定位與識別研究[D]. 劉俊權.東南大學 2016



本文編號：3216178