【摘要】：人臉器官特征點(diǎn)定位,即在人臉上確定某些器官的位置并進(jìn)行標(biāo)注。隨著人工智能、生物識(shí)別技術(shù)的發(fā)展,作為人臉對(duì)齊、人臉識(shí)別、姿態(tài)判定、表情分析等的基礎(chǔ),人臉器官特征點(diǎn)定位成為視覺領(lǐng)域研究最為廣泛的問題之一。以此同時(shí),由于自然環(huán)境下的特征點(diǎn)定位受姿態(tài)、光照、表情、遮擋等因素的影響較大,該問題也成為了極具挑戰(zhàn)性的問題之一。近年來,中外學(xué)者提出了多種定位方法,在定位的速度、精確率、魯棒性等方面均獲得了一定的提升。基于形狀回歸方法的主要思想是通過多次的迭代更新來提高定位的精確度,具有較快的定位速度。這類方法中,通常使用平均臉或從訓(xùn)練集中抽取的人臉作為迭代的初始形狀,當(dāng)初始形狀與目標(biāo)點(diǎn)的真實(shí)位置差距較大時(shí),有可能在更新過程中陷入局部最小,影響定位結(jié)果�；诰矸e神經(jīng)網(wǎng)絡(luò)的方法通常具有較高的定位準(zhǔn)確率,但由于其模型復(fù)雜、數(shù)據(jù)量大,所需的定位時(shí)間也更多。針對(duì)上述方法各自的優(yōu)劣,本文提出了新的人臉特征點(diǎn)定位算法。主要工作包括以下幾點(diǎn):(1)在形狀回歸中引入卷積神經(jīng)網(wǎng)絡(luò)做初定位。使用卷積神經(jīng)網(wǎng)絡(luò)的定位結(jié)果取代平均臉作為初始形狀,再進(jìn)行后續(xù)迭代更新,從而得到精確的特征點(diǎn)位置。與傳統(tǒng)的基于多個(gè)卷積神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)或并聯(lián)的算法相比,改進(jìn)的算法簡化了模型結(jié)構(gòu),提高了運(yùn)算速度;同時(shí)具有比傳統(tǒng)基于形狀回歸的方法更好的定位準(zhǔn)確率;(2)引入精確人臉框定位模塊。考慮到人臉框大小對(duì)后續(xù)定位結(jié)果的影響,在用于初定位的卷積神經(jīng)網(wǎng)絡(luò)前面加入一層額外的卷積神經(jīng)網(wǎng)絡(luò)用于精確人臉框定位,對(duì)一般人臉檢測(cè)器的檢測(cè)結(jié)果進(jìn)行修正,從而減少背景信息的干擾,進(jìn)一步提高定位精度;(3)引入迭代次數(shù)自適應(yīng)機(jī)制與最優(yōu)化選擇機(jī)制。對(duì)有不同定位難度的圖片使用不同的迭代次數(shù),從而提高資源的利用效率;在每次迭代結(jié)果中選擇誤差率最小的結(jié)果作為輸出,減小了偶然誤差的影響;(4)采用L1范數(shù)作為正則化函數(shù)。將形狀回歸中全局線性回歸的目標(biāo)函數(shù)變?yōu)榛贚1范數(shù)正則子的Lasso回歸,進(jìn)一步提高了算法的準(zhǔn)確率。
【圖文】：

網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí)后，，配合大量的訓(xùn)練數(shù)據(jù)，就可以有效地臉特征點(diǎn)定位問題，Cao 等人在文獻(xiàn)[6]中還提出了基于像素差特征（pixel different features）。Cao 等人認(rèn)為，對(duì)于，它周圍的有些點(diǎn)是幾何不變的，即對(duì)于某點(diǎn) P ( x, y )的點(diǎn) P ( x x , y y )總是具有不變的性質(zhì)。如圖 2-1 所示，點(diǎn)，其左上方的眉毛某點(diǎn)是黑色的，這對(duì)于每張人臉圖片來角為基準(zhǔn)點(diǎn)，其左側(cè)某點(diǎn)為正常膚色，而右側(cè)某點(diǎn)為偏紅的臉圖片來說也都是相似的。根據(jù)這樣的特性，Cao 等人提出附近某兩個(gè)點(diǎn)的像素值相減得到一個(gè)差值，這個(gè)差值就稱為�？梢杂脭�(shù)學(xué)公式表示如下：1 1 2 2feature I ( x x , y y ) I ( x x , y y )差值在一個(gè)閾值內(nèi)浮動(dòng)，可以一定程度上剔除光照、膚色等

andomforest, RF）算法于2001年由Breim有關(guān)聯(lián)的決策樹（decision tree）[24]組合構(gòu)同時(shí)能夠適應(yīng)不同的測(cè)試樣本。表示為{ ( , ), 1, }kh X k ，其中 ( , kh X 征向量；{ }k 表示一些獨(dú)立并具有相同概程。最終的輸出由所有的決策樹投票決定練及分類如圖 2-5 所示。首先從給定的個(gè)樣本子空間。接下來，在每個(gè)樣本子空間合就是隨機(jī)森林，其實(shí)質(zhì)是對(duì)決策樹的一種往往不理想；但在整個(gè)森林中，測(cè)試數(shù)據(jù)在結(jié)果進(jìn)行投票，從而得到更可靠的結(jié)果。樣本子空間i 樹分類器i 隨機(jī)森樣本子空間1 樹分類器1
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈熹濱;石勤;尹寶才;;一種由粗到細(xì)的漸進(jìn)式特征點(diǎn)定位算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2005年S1期

2 賈熹濱;石勤;尹寶才;;由粗到細(xì)的漸進(jìn)式特征點(diǎn)定位算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2006年05期

3 鄭林;劉泉;王林濤;;一種基于特征點(diǎn)的跟蹤算法[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2006年03期

4 江詩鋒;何振峰;;基于特征點(diǎn)的行車數(shù)據(jù)序列對(duì)齊[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

5 周全峗;史澤林;;輻射模糊圖像的特征點(diǎn)穩(wěn)定性分析[J];光電工程;2013年06期

6 魏立梅,張永瑞,謝維信,程相君;人臉識(shí)別中基準(zhǔn)點(diǎn)的選取與特征點(diǎn)定位[J];西安電子科技大學(xué)學(xué)報(bào);1998年01期

7 許承慧;劉桂華;梁峰;;非特征點(diǎn)雙目測(cè)距技術(shù)研究[J];微型機(jī)與應(yīng)用;2013年22期

8 潘翔;章國棟;陳啟華;;三維可變形物體的特征點(diǎn)層次提取[J];計(jì)算機(jī)科學(xué);2014年04期

9 陶剛,盧昀,李吉桂;細(xì)化指紋圖中偽特征點(diǎn)的一體化去除算法[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2002年10期

10 仲啟媛,譚立龍;一種確定運(yùn)動(dòng)目標(biāo)特征點(diǎn)的算法[J];計(jì)算機(jī)工程;2003年10期

相關(guān)會(huì)議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國控制會(huì)議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點(diǎn)匹配算法的研究與改進(jìn)[A];2009中國控制與決策會(huì)議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點(diǎn)的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實(shí)用的特征點(diǎn)匹配算法[A];全面建設(shè)小康社會(huì)：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會(huì)論文集（上）[C];2003年

5 許競(jìng);姜波;;攝像機(jī)運(yùn)動(dòng)下特征點(diǎn)追蹤方法研究[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點(diǎn)和輪廓檢測(cè)的粘連數(shù)字分割[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

7 杜鵬飛;彭代強(qiáng);林幼權(quán);;基于二乘向量機(jī)的特征點(diǎn)配準(zhǔn)算法[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點(diǎn)跟蹤的圖象拼接[A];中國體視學(xué)學(xué)會(huì)圖像分析專業(yè)、中國體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專業(yè)、中國航空學(xué)會(huì)信號(hào)與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2000年

9 楊向林;嚴(yán)洪;任兆瑞;陳靖一;;基于小波變換的ECG信號(hào)多特征點(diǎn)綜合檢測(cè)算法[A];第八屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點(diǎn)搜索實(shí)現(xiàn)紙鈔圖像的狀態(tài)檢測(cè)[A];第九屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 王宇;芯技術(shù)點(diǎn)亮未來[N];電腦報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 劉洪濤;基于視覺的微夾持構(gòu)件受力與應(yīng)變測(cè)量方法[D];上海交通大學(xué);2014年

2 劉通;面向心拍識(shí)別的心電信號(hào)的高層特征研究[D];吉林大學(xué);2016年

3 廖斌;基于特征點(diǎn)的圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

4 楊占龍;基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

5 楊利敏;圖像特征點(diǎn)定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

6 李旭東;基于特征點(diǎn)的增強(qiáng)現(xiàn)實(shí)三維注冊(cè)算法研究[D];天津大學(xué);2009年

7 魯統(tǒng)偉;前視目標(biāo)圖像匹配定位技術(shù)研究[D];華中科技大學(xué);2008年

8 戴激光;漸進(jìn)式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學(xué);2013年

9 宋琳;無人機(jī)飛行途中視覺導(dǎo)航關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

10 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 楊棠欽;自然環(huán)境下的人臉器官特征點(diǎn)定位算法研究[D];電子科技大學(xué);2017年

2 曾寶瑩;基于圖像識(shí)別的中國書法真?zhèn)舞b別方法研究[D];西安建筑科技大學(xué);2015年

3 周兆鎮(zhèn);基于雙目視覺的特征點(diǎn)匹配算法研究[D];西安建筑科技大學(xué);2015年

4 馮翔;基于人臉對(duì)齊和多特征融合的人臉識(shí)別方法研究[D];南京理工大學(xué);2015年

5 姜小會(huì);基于特征點(diǎn)的圖像拼接技術(shù)研究[D];山東建筑大學(xué);2015年

6 吳昊;基礎(chǔ)矩陣估計(jì)方法研究[D];蘭州大學(xué);2015年

7 陳偉;基于唇形特征的身份識(shí)別算法的設(shè)計(jì)[D];蘭州大學(xué);2015年

8 秦清欣;GPS輔助攝影測(cè)量的邊坡監(jiān)測(cè)技術(shù)研究[D];南京理工大學(xué);2015年

9 宋偉;遠(yuǎn)程火光瞄準(zhǔn)與探測(cè)系統(tǒng)設(shè)計(jì)[D];西安工業(yè)大學(xué);2015年

10 劉智;塑料面膜印刷質(zhì)量的視覺檢測(cè)方法研究[D];沈陽理工大學(xué);2015年

本文編號(hào)：2582909