本文選題：人臉檢測 + 人臉對齊��； 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：人臉對齊主要用來定位人臉關(guān)鍵部位的特征點(diǎn),即在人臉區(qū)域內(nèi),對人臉的眼睛、鼻子等局部關(guān)鍵位置和輪廓進(jìn)行描述。人臉檢測是人臉對齊的基礎(chǔ),其主要作用是在圖像中找到人臉位置。人臉對齊可以給出比較細(xì)致的人臉特征點(diǎn)分布,因此被廣泛應(yīng)用到人臉識別、人臉動畫和姿態(tài)估計(jì)等方面。在實(shí)際應(yīng)用中,不僅要求算法要具備較高的精確性,還需要算法具有較好的實(shí)時(shí)性。為了更好的將人臉檢測與對齊算法應(yīng)用到生活當(dāng)中,本文將提升算法的處理速度與準(zhǔn)確性作為主要研究內(nèi)容。本文的主要研究工作有以下兩個方面:1.在人臉檢測方面,傳統(tǒng)的Viola-Jones人臉檢測算法(簡稱:VJ人臉檢測算法)需對視頻的每幀都進(jìn)行整體的遍歷來檢測人臉,為了減少無效遍歷的時(shí)間消耗,本文利用了視頻幀間的連續(xù)性和相似性對其進(jìn)行改進(jìn),提出了人臉位置預(yù)測算法。本算法根據(jù)人臉的多少將視頻劃分為少人臉視頻和多人臉視頻,并提出了不同的人臉位置預(yù)測方法,少人臉視頻采用回歸算法預(yù)估出將要檢測的視頻幀中人臉的可能出現(xiàn)范圍,然后在預(yù)估范圍內(nèi)檢測人臉,這樣檢測所需遍歷的區(qū)域由整個視頻幀縮小到預(yù)測的位置周圍,從而降低時(shí)間消耗。多人臉部分采用SVM響應(yīng)圖跟蹤視頻中通過VJ算法檢測得到的人臉目標(biāo),并得出目標(biāo)的跟蹤位置。雖然跟蹤算法的時(shí)間復(fù)雜度也相對較高,但是仍遠(yuǎn)低于對視頻整體進(jìn)行遍歷的耗時(shí)。最后通過本文給出的自適應(yīng)閾值方程將兩種位置預(yù)測方法進(jìn)行整合,使其可應(yīng)用到實(shí)時(shí)視頻中進(jìn)行人臉檢測。2.在人臉對齊方面,本文對CLM算法框架進(jìn)行了優(yōu)化。CLM算法中利用SVM構(gòu)造響應(yīng)圖并對響應(yīng)圖的數(shù)據(jù)進(jìn)行擬合,需要進(jìn)行多次迭代,這樣雖然提升了算法的準(zhǔn)確率,但也同時(shí)增大了算法的時(shí)間復(fù)雜度。為了減少耗時(shí),本文對CLM算法模型中形狀模型部分進(jìn)行優(yōu)化,使用速度快,但準(zhǔn)確度略差的FPS3000算法構(gòu)造初始形狀來替代原本的平均形狀,從而減少CLM算法中數(shù)據(jù)擬合的迭代次數(shù)。本文改進(jìn)的算法在保證了算法準(zhǔn)確度的同時(shí),還有效降低了算法的耗時(shí)。通過本文提出的算法,使人臉檢測部分的運(yùn)算速度提升了50%左右,改進(jìn)的人臉對齊算法可以實(shí)時(shí)并準(zhǔn)確地對視頻中的人臉進(jìn)行處理,本文除了給出改進(jìn)算法的性能對比實(shí)驗(yàn),還在最后利用本文提出的算法完成了一個實(shí)時(shí)的視頻人臉動畫應(yīng)用案例。
[Abstract]:Face alignment is mainly used to locate the feature points of the key parts of the face, that is, to describe the local key positions and contours of the face, such as eyes, nose and so on, in the face region. Face detection is the basis of face alignment, and its main function is to find the face position in the image. Face alignment can give a more detailed distribution of face feature points, so it is widely used in face recognition, face animation and pose estimation. In practical application, the algorithm not only needs high accuracy, but also needs better real-time performance. In order to better apply face detection and alignment algorithm to life, this paper will improve the processing speed and accuracy of the algorithm as the main research content. The main research work of this paper has the following two aspects: 1. In the aspect of face detection, the traditional Viola-Jones face detection algorithm (called: VJ face detection algorithm) needs to traverse every frame of video to detect face, in order to reduce the time consumption of invalid traversal. In this paper, the continuity and similarity of video frames are used to improve it, and a face location prediction algorithm is proposed. According to the number of human faces, this algorithm divides the video into less face video and multi-face video, and proposes different face location prediction methods. Less face video uses regression algorithm to estimate the possible range of human face in the video frame to be detected. Then the face is detected in the prediction range, so that the region that the detection needs to traverse is reduced from the whole video frame to the area around the predicted position, thus reducing the time consumption. In the part of multi-face, the SVM response graph is used to track the face target in video, and the location of the target is obtained by using VJ algorithm. Although the time complexity of the tracking algorithm is relatively high, it is still far less time consuming to traverse the whole video. Finally, the adaptive threshold equation presented in this paper integrates two kinds of position prediction methods, which can be applied to face detection in real-time video. In the aspect of face alignment, this paper optimizes the framework of CLM algorithm by using SVM to construct response graph and fit the data of response graph, which requires several iterations, which improves the accuracy of the algorithm. But it also increases the time complexity of the algorithm. In order to reduce the time consuming, this paper optimizes the shape model part of the CLM algorithm model, and uses the FPS3000 algorithm, which has high speed but little accuracy, to construct the initial shape instead of the original average shape. In order to reduce the number of iterations of data fitting in CLM algorithm. The improved algorithm not only ensures the accuracy of the algorithm, but also effectively reduces the time consuming of the algorithm. The algorithm proposed in this paper improves the speed of human face detection by about 50%, and the improved human face alignment algorithm can deal with the face in video in real time and accurately. In addition to the performance comparison experiment of the improved algorithm, Finally, a real-time video face animation application case is completed by using the proposed algorithm.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 關(guān)涌濤;吳亮;;基于PEG算法的Tornado碼構(gòu)造[J];科技通報(bào);2012年04期

2 朱銳;徐友云;蔡躍明;;低密度奇偶校驗(yàn)碼的構(gòu)造[J];軍事通信技術(shù);2005年04期

3 劉星成;程浩輝;;基于PEG算法的準(zhǔn)循環(huán)LDPC碼構(gòu)造方法研究[J];電路與系統(tǒng)學(xué)報(bào);2009年04期

4 鄭斌;李涓子;;一種基于FP-Growth的改進(jìn)算法[J];平頂山工學(xué)院學(xué)報(bào);2008年04期

5 朱延廣;梅珊;趙雯;朱一凡;;支持復(fù)雜產(chǎn)品總體優(yōu)化設(shè)計(jì)的多算法協(xié)作優(yōu)化框架研究[J];系統(tǒng)仿真學(xué)報(bào);2007年11期

6 白洪濤,孫吉貴,焦洋,徐長青;網(wǎng)絡(luò)優(yōu)化算法的實(shí)現(xiàn)與比較[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2002年02期

7 劉康,余玲;蟻群算法及其連續(xù)優(yōu)化算法初析[J];四川輕化工學(xué)院學(xué)報(bào);2004年01期

8 黃琪;李丹;汪洋;張欽宇;;一種優(yōu)化LDPC碼環(huán)分布的改進(jìn)算法[J];通信技術(shù);2010年05期

9 徐艷;董濤;;一種防火墻規(guī)則沖突快速檢測算法[J];計(jì)算機(jī)技術(shù) 與發(fā)展;2013年09期

10 張磊;沈夏炯;韓道軍;安廣偉;;基于同義概念的概念格縱向合并算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年02期

相關(guān)會議論文 前2條

1 潘志明;鄭駿;錢衛(wèi)寧;周傲英;;構(gòu)造XML相似相關(guān)結(jié)構(gòu)庫的一種有效方法[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2003年

2 林景亮;董槐林;姜青山;吳書;;一種基于新增閾值的頻繁模式挖掘算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2006年

相關(guān)博士學(xué)位論文 前9條

1 張磊;基于概念格的角色工程相關(guān)算法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 孟靜;新型Krylov子空間算法及其應(yīng)用研究[D];電子科技大學(xué);2015年

3 胡芳;復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)中心性多元評估與社團(tuán)探測新算法研究[D];華中師范大學(xué);2015年

4 肖建元;保幾何結(jié)構(gòu)算法在等離子體物理中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2017年

5 劉遠(yuǎn)剛;基于能量最小化原理的地圖要素移位算法研究與改進(jìn)[D];武漢大學(xué);2015年

6 唐益明;（1，2，，2）型異蘊(yùn)涵泛三I算法及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2011年

7 牛云云;求解計(jì)算困難問題的膜計(jì)算模型與算法研究[D];華中科技大學(xué);2012年

8 李冬冬;基因組序列標(biāo)注的算法與理論研究[D];國防科學(xué)技術(shù)大學(xué);2004年

9 周琨;航空公司航班運(yùn)行調(diào)度模型與算法研究[D];南京航空航天大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 閆銘;基于度量學(xué)習(xí)的不完整數(shù)據(jù)聚類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 張小瓊;基于改進(jìn)螢火蟲群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)研究[D];廣西大學(xué);2015年

3 李俊杰;基于蟻群算法的聚類區(qū)分器設(shè)計(jì)研究[D];電子科技大學(xué);2014年

4 艾慧;天波雷達(dá)電離層污染校正與測高算法研究[D];電子科技大學(xué);2015年

5 陳紅強(qiáng);大規(guī)模并行排序?qū)W習(xí)算法研究[D];西安電子科技大學(xué);2014年

6 郭艷茹;k-中心平面聚類模型與算法研究[D];浙江工業(yè)大學(xué);2015年

7 彭輝輝;基于壓縮感知的心電信號壓縮算法研究[D];東南大學(xué);2015年

8 葛娜;高效用項(xiàng)集動態(tài)挖掘算法的研究[D];中北大學(xué);2016年

9 葉馨;閉項(xiàng)集挖掘算法在醫(yī)保目錄制定問題上的研究與應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2016年

10 張靚云;面向微博的事件摘要生成算法研究與實(shí)現(xiàn)[D];西南交通大學(xué);2016年

本文編號：1990987