面部特征点定位方法的研究与应用

发布时间：2020-06-09 01:55

【摘要】：随着互联网技术的不断发展,生物识别技术以其稳定性和可靠性等优点,越来越多的领域开始采用这种非接触式的身份验证方式。人脸作为最容易采集并且特征最明显的人体部位,人脸识别技术成为近些年最热门的领域之一,而在人脸识别技术中人脸特征点的定位是很重要的,它的准确度会对后续工作的进行产生直接影响,因此对人脸特征点定位的研究具有很重要的研究意义。在此背景下,国内外的学者提出了许多人脸特征点定位算法,而基于级联回归与基于外形搜索的人脸特征点定位是众多算法中应用较广泛的两种方法。这两种方法在已有的数据集上都有不错的表现,但同时也有各自的缺陷。目前方法面临的主要难题是算法对初始外形的过分依赖以及对部分遮挡和大变形鲁棒性差等问题。针对以上问题,本文的主要研究工作如下:1.本文针对传统级联回归方法对初始化外形过于依赖的问题提出了一种基于分类外形搜索的外形初始化方法,该方法是基于由粗到精的外形搜索方法进行的。传统的外形搜索方法由于每一次外形搜索都需要在整个外形搜索空间进行人脸外形搜索,涉及到大量的计算量。针对该问题,本文在进行外形搜索之前引进了随机森林分类器对整个外形空间进行分类。该方法首先通过在图像上提取具有识别性的特征对图像进行描述,然后通过随机森林算法将整个外形搜索空间进行分类,在随机森林中每棵树的节点上的样本图像即为同一类别的人脸图像。之后对于每一张输入的人脸图像,都会经过分类器找到最接近的外形搜索子空间,之后的外形搜索将在该外形搜索子空间进行,大大减少了计算量,提高了实验效率,同时也保证了定位精度和算法的鲁棒性。2.基于SDM和DCNN方法对初始化外形过于依赖的问题提出了一种基于级联栈式自编码网络的人脸特征点定位方法。该方法提出了一种新的级联框架,引进四个级联的栈式自编码网络,包括一个全局栈式自编码网络和三个局部栈式自编码网络。全局栈式自编码网络直接将一张人脸图像通过非线性映射得到一个人脸外形作为初始人脸外形,该人脸外形作为接下来局部栈式自编码网络的输入。对于局部栈式自编码网络,是将上一级得到的人脸外形每个特征点周围的形状索引特征结合之后作为输入,从而达到对人脸外形不断优化的目的,最终得到一个足够接近于真实值的人脸外形。两种方法均在当前具有挑战性的人脸数据集上进行了实验,通过实验的对比分析,验证本文算法的性能。
【图文】：

使用人,火车站,技术,虹膜

：人脸识别[2]、人脸表情分众多研究人员与科研机构的直接、友好、方便等特点，因。另外，虹膜、人脸、指纹等生物特征信息也被广泛使纹、掌纹、虹膜以及声音等）棒性三个主要方面的影响[6]较。由表 1.1 可以看出，人脸抗干扰性和方便性，并且具远或者环境隐蔽的情况下户不配合的条件下，采用其，，但是人脸识别技术是不需要看，人们可能觉得人脸信息具露的隐患。

人脸识别技术,使用人,医保,医院

本在距离较远或者环境隐蔽的情况下进行采集，是在某些用户不配合的条件下，采用其他生物特力的特征，但是人脸识别技术是不需要用户主动动层面来看，人们可能觉得人脸信息具有更好的有隐私泄露的隐患。图 1.1 火车站使用人脸识别技术验票
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TP18

【参考文献】