视频中多姿态人脸的特征点定位研究

发布时间：2019-08-15 14:01

【摘要】：人脸特征点定位在人脸识别领域有着广泛的应用,是很多人脸识别研究工作的前提条件。近年来,人脸特征点的研究成为一个热点,但是人脸特征点的定位是否准确是人们研究的关键。本文采用ASM算法和L-K光流法相结合,提高了人脸特征点定位精度,实现了视频中多姿态人脸特征点的跟踪定位。主要完成了以下几方面的工作:(1)分析了目前常见的人脸特征点定位算法,并对其进行了分类总结,分别对这些算法的性能进行了比较。基于本文所研究的视频中人脸特征点的跟踪定位,最终选择了基于主动形状模型(ASM)算法用于实验研究。(2)为了解决ASM算法初始位置定位不准确的问题,首先采用Adaboost算法进行人脸检测,即进行人脸的粗定位,找到人脸的大概位置,再用ASM算法进行精确定位。其次,由于ASM模型训练阶段需要耗费大量的人力和时间来进行样本的特征点标定工作,因此本文提出了一种矫正对称模型的方法,提高了算法时间效率。最后,采用图像金字塔的方法对ASM算法的定位精准度做出了改进。(3)为了解决单个ASM模型在多姿态人脸定位中的局限性,本文训练了正面人脸模型,平面外旋转的两个方向的模型对视频中人脸进行定位。但是,ASM模型在视频中进行人脸定位时无法自动判断某个姿态下模型与目标的匹配效果,因此,采用改进的L-K光流法对几个跟踪准确的关键点进行跟踪,并实时计算与模型匹配的特征点之间的平均误差距离,根据误差大小来获取更准确的人脸模型进行匹配。(4)采用仿射变换和偏移矫正的方法对L-K光流法进行了改进,计算出本文所选取的关键特征点在视频相邻帧之间的仿射变换参数,并利用跟踪准确的点的相关变化参数对跟踪不准确的点进行调整,提高了算法跟踪的精确度。然后分别采用改进后的L-K光流法和ASM算法对关键特征点进行跟踪,并对两种算法的跟踪准确度和稳定性进行了比较。(5)将本文所提及的算法应用到多姿态人脸视频中,在VS2010和OpenCV平台下通过对多个ASM模型的自由切换实时定位运动中的人脸进行了相关实验验证,实现了视频中多姿态人脸的特征点定位。
【图文】：

方向图,多姿态,检测效果

(a) 正脸 (b) yaw 方向 (c) roll 方向 (d) pitch 方向图 2.5 简单背景下多姿态人脸的检测效果由图 2.5 可知，在简单背景下，Haar 分类器对多姿态（非大角度姿态）人脸的检测效果很不错，检测准确率很高。接下来，采用相对较为复杂的图片作为实验样本进行实验研究，检测效果如图 2.6 所示。图 2.6 较为复杂背景下多姿态人脸的检测效果由图 2.6 的检测结果可得，在相对较为复杂的背景下进行人脸检测，检测效果良好。对于图片中出现多个人脸的情况，Haar 分类器依然能够较为准确地检测出来。而对于姿态偏转大的人脸，却存在一定的误检和漏检现象。本文专门针对大角度人脸以及复杂背景下的人脸进行了检测，检测效果如图 2.7 所示。

方向图,多姿态,检测效果,检测准确率

河北工业大学硕士学位论文(a) 正脸 (b) yaw 方向 (c) roll 方向 (d) pitch 方向图 2.5 简单背景下多姿态人脸的检测效果由图 2.5 可知，在简单背景下，Haar 分类器对多姿态（非大角度姿态）人脸果很不错，检测准确率很高。接下来，采用相对较为复杂的图片作为实验样验研究，，检测效果如图 2.6 所示。
【学位授予单位】：河北工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41

【参考文献】