三維人臉特征點定位作為人臉識別相關(guān)技術(shù)應(yīng)用的基礎(chǔ),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(lǐng)域,而人臉表面變化復(fù)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(chǔ)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(yīng)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(nèi)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(zhǔn)確性決定了人臉切割等人臉預(yù)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(yán)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(gòu)建稀疏鄰域集,在局部基準(zhǔn)坐標(biāo)下提取頂點附近的領(lǐng)域點到局部基準(zhǔn)坐標(biāo)系平面的距離,得到一種新的旋轉(zhuǎn)不變性特征,局部基準(zhǔn)坐標(biāo)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(xué)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(xué)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(guān)技術(shù)研究。1.3.3三維人臉特征點定位評價指標(biāo)圖1-2特征點定位準(zhǔn)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(yīng)位置上。但從數(shù)學(xué)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(jié)果能夠量化描述準(zhǔn)確度，通常在一些測試人臉上手工標(biāo)記好每個特征點的坐標(biāo)位置，通過對比手工標(biāo)記點和算法輸出點的一些數(shù)學(xué)指標(biāo)來反饋定位的準(zhǔn)確性。圖1-2直觀顯示了以人臉右眼角點的定位為例的準(zhǔn)確度衡量。在三維人臉特征點定位領(lǐng)域常見的評價指標(biāo)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(biāo)和手工標(biāo)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(biāo)準(zhǔn)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(biāo)準(zhǔn)差稱為特征點標(biāo)準(zhǔn)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(biāo)準(zhǔn)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(biāo)準(zhǔn)差稱為總體標(biāo)準(zhǔn)差。4)可接受距離：以某個特征點為單位，標(biāo)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(xué)碩士學(xué)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(yīng)用三維人臉特征點定位的最重要應(yīng)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(biāo)，包括三維人臉預(yù)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(zhǔn)[21]和數(shù)字特征預(yù)提取[22]等，具體應(yīng)用細節(jié)如下：1)三維人臉預(yù)處理：前端采集設(shè)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(nèi)區(qū)域主要包括了人臉區(qū)域，因此，鼻尖點定位的準(zhǔn)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(dǎo)致人臉區(qū)域不對稱，人臉下巴區(qū)域丟失等較嚴(yán)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(biāo)以便進行人臉姿態(tài)預(yù)測，進而完成姿態(tài)調(diào)整。3)三維人臉配準(zhǔn)：三維人臉點云往往數(shù)量較多，在進行一些配準(zhǔn)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(zhǔn)一些特征點來簡化。4)三維人臉剛性區(qū)域提取：人臉是一個半剛性表面，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(guān)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(xué)報. 2018(10)
[2]基于人臉側(cè)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(biāo).  計算機工程與應(yīng)用. 2018(13)
[3]BJUT-3D三維人臉數(shù)據(jù)庫及其處理技術(shù)[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(xué) 2017

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



本文編號：3216178