鲁棒的三维人脸特征点定位技术研究
发布时间：2021-06-07 07:45
三维人脸特征点定位作为人脸识别相关技术应用的基础,广泛运用于人脸识别,人脸表情识别,人脸匹配,人脸对齐,人脸形状分析等领域,而人脸表面变化复杂,为了克服姿态变化,遮挡等情况的影响,业界需要鲁棒的三维人脸特征点定位算法。本文在以往的研究基础上,通过对鼻尖点特性的分析和深度模型在特征点定位中的应用,分别实现了一个鼻尖点的单独定位算法和一个多特征点定位算法。本文内容的主要工作和创新点如下:1)提出了一种对姿态鲁棒的三维人脸鼻尖点快速定位算法。鼻尖点定位的准确性决定了人脸切割等人脸预处理步骤的好坏。然而人脸在发生姿态变化时,鼻尖往往并非处于正方向的最高点,这给传统的一些鼻尖定位方法带来了严重的影响。为了克服这个问题,本章提出的算法将鼻尖点定位分成两步:第一,对每个顶点构建稀疏邻域集,在局部基准坐标下提取顶点附近的领域点到局部基准坐标系平面的距离,得到一种新的旋转不变性特征,局部基准坐标能量。依据该能量可以迭代筛选出可能为鼻尖的候选点。第二,在候选点中计算每个顶点的散度特征,散度可以描述顶点附近矢量场的膨胀与收缩程度,而鼻尖处的矢量场在人脸表面中膨胀程度最大,因此拥有散度值最大的候选点为最终鼻尖...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
维人脸数(a)三维点云(b)三维网
第一章绪论500个对象，男性和女性各占一半，该库没有过多的表情或姿态变化，因此适合做中性正面人脸的相关技术研究。1.3.3三维人脸特征点定位评价指标图1-2特征点定位准确度评判从直观角度来说，可以观察出算法定位的特征点是否处于对应位置上。但从数学角度来说，人脸表面特征点没有固定的表现形式，因此，为了对特征点定位算法的结果能够量化描述准确度，通常在一些测试人脸上手工标记好每个特征点的坐标位置，通过对比手工标记点和算法输出点的一些数学指标来反馈定位的准确性。图1-2直观显示了以人脸右眼角点的定位为例的准确度衡量。在三维人脸特征点定位领域常见的评价指标描述如下：1)绝对距离误差：对于某个特征点，由算法定位的特征点坐标和手工标记点之间计算欧式距离得到。2)个体检测误差：在多特征点定位中，统计个体所有特征点的定位距离误差，并求均值得到。3)特征点检测误差：以某个特征点为单位，统计在测试集中所有个体在该特征点的绝对距离误差，由所有个体在该特征点的定位距离误差的均值和标准差表示。其中距离误差的均值称为特征点平均误差，距离误差的标准差称为特征点标准差。4)总体检测误差：以整个测试集为单位，统计该数据集所有个体检测误差的均值和标准差。个体检测误差的均值称为总体平均误差，个体检测误差的标准差称为总体标准差。4)可接受距离：以某个特征点为单位，标定一个阈值来衡量这次定位成功还是失败。5)特征点检测成功率：以特征点为单位，统计特征点平均误差小于可接受距离的个体占总体的比率。5
东南大学硕士学位论文6)总体检测成功率：以测试集为单位，统计个体检测误差小于可接受距离的个体占总体的比率。7)个体检测误差累计分布：以测试集为单位，统计一个数据集所有个体检测误差的概率累计分布。如图1-3所示，通过折线图来表示个体检测误差累计分布，横轴x表示可接受距离的变化，纵轴y表示数据集中个体检测误差小于可接受距离的个体占总体数量的比率，即不同可接受距离下的总体检测成功率。图1-3个体检测误差累计分布图1.3.4三维人脸特征点定位应用三维人脸特征点定位的最重要应用为两个方向：三维人脸识别[17]和三维人脸表情识别[18]。首先，三维人脸识别中诸多环节需要特征点坐标，包括三维人脸预处理[19]、三维人脸姿态估计、三维人脸刚性区域提取[19]、三维人脸局部特征提取[20]、三维人脸配准[21]和数字特征预提取[22]等，具体应用细节如下：1)三维人脸预处理：前端采集设备得到的三维人脸点云数据往往是冗杂的，人脸作为感兴趣区域需要从中切割出。三维人脸切割方法以鼻尖为中心，一定距离的半径做球，球内区域主要包括了人脸区域，因此，鼻尖点定位的准确度直接影响了切割效果和后续处理，如果鼻尖定位有偏差会导致人脸区域不对称，人脸下巴区域丢失等较严重的问题。2)三维人脸姿态估计：如前几节所述，在三维空间中人脸朝向是任意的，姿态有千万种变化。在进行人脸识别前需要将人脸姿态归一化到同一个朝向，这就需要脸部特征点坐标以便进行人脸姿态预测，进而完成姿态调整。3)三维人脸配准：三维人脸点云往往数量较多，在进行一些配准算法时如果全局考虑所有顶点的对齐将会十分耗时，这一步骤可通过只配准一些特征点来简化。4)三维人脸刚性区域提取：人脸是一个半刚性表面，包括了容易发生形变的鼻尖下6
【参考文献】：
期刊论文
[1]基于关键点的由粗到精三维人脸特征点定位[J]. 成翔昊,达飞鹏,邓星. 仪器仪表学报. 2018(10)
[2]基于人脸侧影线角点检测的鼻尖点定位方法[J]. 潘腊青,徐海黎,韦勇,沈标. 计算机工程与应用. 2018(13)
[3]BJUT-3D三维人脸数据库及其处理技术[J]. 尹宝才,孙艳丰,王成章,盖赟. 计算机研究与发展. 2009(06)
博士论文
[1]表情变化下三维人脸识别中特征提取与分类研究[D]. 邓星.东南大学 2017
硕士论文
[1]人脸关键特征点定位与识别研究[D]. 刘俊权.东南大学 2016
本文编号：3216178
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
维人脸数(a)三维点云(b)三维网
第一章绪论500个对象，男性和女性各占一半，该库没有过多的表情或姿态变化，因此适合做中性正面人脸的相关技术研究。1.3.3三维人脸特征点定位评价指标图1-2特征点定位准确度评判从直观角度来说，可以观察出算法定位的特征点是否处于对应位置上。但从数学角度来说，人脸表面特征点没有固定的表现形式，因此，为了对特征点定位算法的结果能够量化描述准确度，通常在一些测试人脸上手工标记好每个特征点的坐标位置，通过对比手工标记点和算法输出点的一些数学指标来反馈定位的准确性。图1-2直观显示了以人脸右眼角点的定位为例的准确度衡量。在三维人脸特征点定位领域常见的评价指标描述如下：1)绝对距离误差：对于某个特征点，由算法定位的特征点坐标和手工标记点之间计算欧式距离得到。2)个体检测误差：在多特征点定位中，统计个体所有特征点的定位距离误差，并求均值得到。3)特征点检测误差：以某个特征点为单位，统计在测试集中所有个体在该特征点的绝对距离误差，由所有个体在该特征点的定位距离误差的均值和标准差表示。其中距离误差的均值称为特征点平均误差，距离误差的标准差称为特征点标准差。4)总体检测误差：以整个测试集为单位，统计该数据集所有个体检测误差的均值和标准差。个体检测误差的均值称为总体平均误差，个体检测误差的标准差称为总体标准差。4)可接受距离：以某个特征点为单位，标定一个阈值来衡量这次定位成功还是失败。5)特征点检测成功率：以特征点为单位，统计特征点平均误差小于可接受距离的个体占总体的比率。5
东南大学硕士学位论文6)总体检测成功率：以测试集为单位，统计个体检测误差小于可接受距离的个体占总体的比率。7)个体检测误差累计分布：以测试集为单位，统计一个数据集所有个体检测误差的概率累计分布。如图1-3所示，通过折线图来表示个体检测误差累计分布，横轴x表示可接受距离的变化，纵轴y表示数据集中个体检测误差小于可接受距离的个体占总体数量的比率，即不同可接受距离下的总体检测成功率。图1-3个体检测误差累计分布图1.3.4三维人脸特征点定位应用三维人脸特征点定位的最重要应用为两个方向：三维人脸识别[17]和三维人脸表情识别[18]。首先，三维人脸识别中诸多环节需要特征点坐标，包括三维人脸预处理[19]、三维人脸姿态估计、三维人脸刚性区域提取[19]、三维人脸局部特征提取[20]、三维人脸配准[21]和数字特征预提取[22]等，具体应用细节如下：1)三维人脸预处理：前端采集设备得到的三维人脸点云数据往往是冗杂的，人脸作为感兴趣区域需要从中切割出。三维人脸切割方法以鼻尖为中心，一定距离的半径做球，球内区域主要包括了人脸区域，因此，鼻尖点定位的准确度直接影响了切割效果和后续处理，如果鼻尖定位有偏差会导致人脸区域不对称，人脸下巴区域丢失等较严重的问题。2)三维人脸姿态估计：如前几节所述，在三维空间中人脸朝向是任意的，姿态有千万种变化。在进行人脸识别前需要将人脸姿态归一化到同一个朝向，这就需要脸部特征点坐标以便进行人脸姿态预测，进而完成姿态调整。3)三维人脸配准：三维人脸点云往往数量较多，在进行一些配准算法时如果全局考虑所有顶点的对齐将会十分耗时，这一步骤可通过只配准一些特征点来简化。4)三维人脸刚性区域提取：人脸是一个半刚性表面，包括了容易发生形变的鼻尖下6
【参考文献】：
期刊论文
[1]基于关键点的由粗到精三维人脸特征点定位[J]. 成翔昊,达飞鹏,邓星. 仪器仪表学报. 2018(10)
[2]基于人脸侧影线角点检测的鼻尖点定位方法[J]. 潘腊青,徐海黎,韦勇,沈标. 计算机工程与应用. 2018(13)
[3]BJUT-3D三维人脸数据库及其处理技术[J]. 尹宝才,孙艳丰,王成章,盖赟. 计算机研究与发展. 2009(06)
博士论文
[1]表情变化下三维人脸识别中特征提取与分类研究[D]. 邓星.东南大学 2017
硕士论文
[1]人脸关键特征点定位与识别研究[D]. 刘俊权.东南大学 2016
本文编号：3216178
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3216178.html
最近更新
教材专著
