作為人臉識別、表情分析、人臉3D重構等重要任務的基礎,人臉特征點定位課題受到了研究者的廣泛關注并取得了巨大的進展,其中級聯姿態(tài)回歸算法在受控條件(例如,光照良好、無遮擋、正面人臉)下取得了接近人類水平的特征點定位準確度,然而,當人臉被墨鏡、口罩、頭發(fā)等物體遮擋時,其特征點定位準確度出現大幅度的下降。級聯姿態(tài)回歸算法依賴于良好的初始人臉形狀和表示能力強的形狀索引特征,遮擋一方面會降低人臉檢測的精度進而影響到級聯姿態(tài)回歸算法的初始人臉形狀,另一方面會破壞人臉的部分圖像特征進而給級聯姿態(tài)回歸算法的形狀索引特征帶來噪聲。針對上述問題,本文從級聯姿態(tài)回歸算法的初始人臉形狀和形狀索引特征兩方面進行研究,提高初始人臉形狀的質量并降低遮擋給形狀索引特征帶來的噪聲,最終有效地提高了級聯姿態(tài)回歸算法在遮擋條件下的特征點定位準確度。本文的工作概括如下:(1)針對人臉遮擋導致級聯姿態(tài)回歸算法的初始形狀誤差較大的問題,提出了一種基于五點估計和紋理相似度的形狀初始化方法。為了降低初始形狀的誤差,本文利用遮擋的局部性質,采用先局部后整體的人臉形狀初始化方法,首先基于MTCNN估計出人臉五個關鍵點(雙眼中心、鼻尖和左...

【文章頁數】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現狀
        1.2.1 人臉特征點定位
        1.2.2 遮擋條件下的人臉特征點定位
    1.3 研究內容與技術路線
第2章 基于五點估計和紋理相似度的形狀初始化
    2.1 級聯姿態(tài)回歸算法
    2.2 級聯姿態(tài)回歸的形狀初始化
        2.2.1 人臉形狀初始化
        2.2.2 人臉檢測對形狀初始化的影響
    2.3 基于五點估計和紋理相似度的形狀初始化
        2.3.1 基于MTCNN的五點估計
        2.3.2 無遮擋模板庫的建立
        2.3.3 基于紋理相似度的形狀初始化
    2.4 實驗仿真與分析討論
        2.4.1 基準級聯姿態(tài)回歸算法
        2.4.2 數據集與實驗指標
        2.4.3 實驗參數設置
        2.4.4 與基準算法的縱向對比分析
        2.4.5 與同類方法的橫向對比分析
    2.5 本章小結
第3章 基于自適應形狀索引特征和形狀字典的級聯姿態(tài)回歸
    3.1 特征點的遮擋檢測
    3.2 融入遮擋概率的自適應形狀索引特征
        3.2.1 傳統(tǒng)的形狀索引特征
        3.2.2 融入遮擋概率的自適應形狀索引特征
    3.3 基于形狀字典的稀疏形狀重構
    3.4 實驗仿真與分析討論
        3.4.1 實驗參數設置
        3.4.2 基于自適應形狀索引特征的級聯姿態(tài)回歸
        3.4.3 融入稀疏形狀重構的級聯姿態(tài)回歸
    3.5 本章小結
第4章 總結與展望
    4.1 本文工作總結
    4.2 未來工作展望
致謝
參考文獻
攻讀碩士學位期間主要的工作



本文編號：3765625