【摘要】：人臉圖像的感知和分析是模式識(shí)別和人工智能學(xué)科的前沿課題,包括人臉檢測(cè),面部特征點(diǎn)定位,姿態(tài)估計(jì),表情分析,人臉合成,人臉識(shí)別和人臉動(dòng)畫(huà)等一系列研究?jī)?nèi)容。其中,人臉檢測(cè)和面部特征定位是基礎(chǔ),人臉識(shí)別是重要應(yīng)用之一。與正面人臉檢測(cè)與特征點(diǎn)定位相比,多視角人臉的研究還相對(duì)薄弱,難度也大得多,離實(shí)際應(yīng)用還有距離,但卻是人臉感知和分析技術(shù)走向?qū)嵱没毙杞鉀Q的關(guān)鍵問(wèn)題。正是在這種背景下,本文提出一種多視角樹(shù)結(jié)構(gòu)模型M-TSM(Multi-view Tree Structured Model)并將其應(yīng)用在大型數(shù)據(jù)庫(kù)搜索中,以期解決大數(shù)據(jù)環(huán)境下的人臉識(shí)別問(wèn)題。該模型通過(guò)建立和維護(hù)不同視角下的面部模板來(lái)解決圖片中的人臉檢測(cè)和特征點(diǎn)定位問(wèn)題,通過(guò)合并這兩個(gè)問(wèn)題,簡(jiǎn)化人臉識(shí)別過(guò)程。同時(shí),將其做分布式處理來(lái)完成大型人臉數(shù)據(jù)庫(kù)的自動(dòng)注冊(cè),并利用其在圖像分析中捕獲視角的優(yōu)勢(shì),提出在特征向量中加入2維視角信息的方法,直接略過(guò)視角不符的注冊(cè)特征,縮小搜索范圍,加快識(shí)別速度。主要工作及成果如下:(1)對(duì)訓(xùn)練樣本中每一個(gè)特征點(diǎn)建模獲得對(duì)應(yīng)此點(diǎn)的局部模塊,且存檔所有視角下均共享的模塊,構(gòu)成共享集。同時(shí),基于不同視角,構(gòu)建由局部模塊組成的多視角樹(shù)結(jié)構(gòu)模型并設(shè)計(jì)模型能量函數(shù),函數(shù)包含各局部模塊HOG[49]特征信息以及模塊之間的一次、二次連接系數(shù)等全局信息;(2)甄選多個(gè)視角下的樣本并標(biāo)定人臉區(qū)域、特征點(diǎn)和視角信息,首先基于Chow-Liu算法原理,獲得給定樣本特征點(diǎn)的最大似然估計(jì),作為特征點(diǎn)分布的粗估計(jì);然后建立LSVM[23](Latent variable SVM)框架對(duì)M-TSM中的所有參數(shù)進(jìn)行判別性訓(xùn)練,提取人臉區(qū)域的鑒別性特征,用于定位人臉區(qū)域;最后分析M-TSM搜索過(guò)程,提出在已知的人臉區(qū)域內(nèi),枚舉所有視角并應(yīng)用多次動(dòng)態(tài)規(guī)劃[27]確定目標(biāo)人臉特征點(diǎn)和視角的方法;(3)對(duì)M-TSM進(jìn)行測(cè)試并分別針對(duì)人臉定位、姿態(tài)估計(jì)和特征點(diǎn)定位與其他常用算法做實(shí)驗(yàn)對(duì)比和分析。實(shí)驗(yàn)結(jié)果顯示,多視角樹(shù)結(jié)構(gòu)不僅擁有良好的各方面性能,且能夠同時(shí)完成圖片中的多人臉?lè)治觥?4)基于分布式文件系統(tǒng)DFS[15](Distributed File System)和Map Reduce[16]框架,架構(gòu)一個(gè)基于Windows系統(tǒng)上的輕便型分布式文件系統(tǒng)[21],利用M-TSM在圖像分析中的優(yōu)勢(shì),即同時(shí)獲得人臉視角和特征點(diǎn)分布,將其做分布式處理來(lái)自動(dòng)完成大型數(shù)據(jù)庫(kù)的人臉注冊(cè)環(huán)節(jié)和用戶輸入圖片的特征提取。后續(xù)實(shí)驗(yàn)將展示M-TSM在分布式數(shù)據(jù)庫(kù)構(gòu)建和搜索中發(fā)揮的巨大作用。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 譚春林;汪洪橋;裴得利;;SWF-SIFT Approach for Infrared Face Recognition[J];Tsinghua Science and Technology;2010年03期

，

本文編號(hào)：2527774