多姿态人脸检测及人脸特征点定位

发布时间：2019-09-02 16:17

【摘要】：随着计算机视觉技术的发展,人脸识别技术逐渐成为一种可以实用的技术。人脸识别系统一般由人脸检测,人脸对齐和人脸特征匹配三部分组成。本文主要对人脸识别系统中的人脸检测和人脸对齐进行了研究,根据目前人脸系统遇到的实际问题,对现有多姿态人脸检测算法进行了改进,并提出了一种简单、快速的人脸姿态估计算法和多姿态人脸特征点定位算法。具体工作如下:1.提出了一种重叠人脸区域合并的算法,使用人脸区域取加权平均的方式合并Real Adaboost+Cascade算法进行人脸检测后产生的多个人脸框,优化了人脸检测的结果。在Multi-PIE和FDDB两个数据集上的实验验证了算法的有效性。2.提出了一种分级的人脸姿态估计算法,使用LBP特征和随机森林分类器相结合,将人脸姿态估计看作一个多分类问题来解决。不同姿态处于不同的类别,根据姿态估计在实际应用中进行粗、细分级估计。粗估计是将人脸姿态分为左右侧面,左右半侧面和正面共5类;细估计是将人脸姿态按照水平方向上每15°划分为1类,共13类。在Multi-PIE数据集上进行了实验测试,结果表明本文算法具有较好的效果。3.针对人脸姿态变化剧烈的情况,提出了一种Multi-ESR多姿态人脸特征点定位算法,并对算法进行了优化。通过在不同的人脸姿态下单独训练ESR(Explicit Shape Regression)模型,根据不同的姿态下使用相对应的ESR模型进行人脸特征点定位。另外,本文提出了一种改进Multi-ESR算法占用内存空间较大的方法,可以在基本保证不损失特征点定位精度的情况下,减少内存空间消耗。4.针对一些特定场景下的人脸应用的需求,设计、实现了基于图片、视频的实时人脸检测系统和基于人脸识别的智能门禁系统。前者主要是在海量图片和视频文件中检测存在人脸的图片或者视频片段,减少人工筛选的工作量;后者主要是在一些需要门禁系统的场所,利用人脸识别技术进行智能解锁等功能。
【图文】：

°邋：３０°｝的平面外上下旋转共３个子类，所有的训练样本共分为逡逑１５个类别，人脸姿态的划分方式与图２－５中Ｒ０Ｐ的划分方式一致。在构建完成逡逑训练数据集后，使用Ｒｅａｌ邋Ａｄａｂｏｏｓｔ＋Ｃａｓｃａｄｅ分类器分别训练每个人脸姿态子类逡逑所对应的人脸检测模型。多姿态的人脸检测模型需要独立训练各个人脸姿态子逡逑类的模型，子类分的越细，训练的模型数量越多，训练时间越长，但是各个人逡逑脸姿态模型的训练过程是相对独立的，因此可以使用并行化的训练方式加快模逡逑型的训练速度。多姿态人脸检测模型训练结构如图２－６所示：逡逑１２逡逑

口内都可以检测到人脸。因此需要把位于同一位置相互重叠的多个人脸框合并逡逑成一个人脸框。逡逑目前已有的人脸检测框架如图２－７所示，虚线部分为人脸框合并，目前使用逡逑的人脸框合并算法是计算重合人脸框的平均位置：逡逑图片￣￣人脸检测￣￣￣候选人脸位置人脸框合并￣￣￣最终人脸位置！逡逑ｔ逦＊逡逑逦逦逦邋■邋？邋逦—邋■邋．邋．邋．邋＂＇．丨邋＿＿＿邋逦逦邋＇邋＊逡逑Ｕ．．．．．．．．．．．．．．．．．．．．邋逦逦逦１逡逑图２－７目前已有的人脸检n,框架逡逑具体来讲，首先判定一些需要合并的人脸框，例如，有两个矩形框，面积逡逑分别为Ｓ，，和＆，两个矩形的重合度的计算公式如下：逡逑Ｏｖｅｒｌａｐ邋＝－名 。＾逦（２－３）逡逑Ｓ邋ｊ邋＾邋＾２．逡逑１３逡逑
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41

【参考文献】

相关期刊论文 前1条

1 魏红宁;决策树剪枝方法的比较[J];西南交通大学学报;2005年01期

相关硕士学位论文 前2条

1 范文萍;基于人脸特征点定位的主从摄像机联动算法研究[D];北京邮电大学;2014年

2 韩玉峰;人脸特征点定位方法研究[D];安徽工业大学;2011年

本文编号：2531034