自然环境下的人脸器官特征点定位算法研究

发布时间：2020-02-26 03:36

【摘要】：人脸器官特征点定位,即在人脸上确定某些器官的位置并进行标注。随着人工智能、生物识别技术的发展,作为人脸对齐、人脸识别、姿态判定、表情分析等的基础,人脸器官特征点定位成为视觉领域研究最为广泛的问题之一。以此同时,由于自然环境下的特征点定位受姿态、光照、表情、遮挡等因素的影响较大,该问题也成为了极具挑战性的问题之一。近年来,中外学者提出了多种定位方法,在定位的速度、精确率、鲁棒性等方面均获得了一定的提升。基于形状回归方法的主要思想是通过多次的迭代更新来提高定位的精确度,具有较快的定位速度。这类方法中,通常使用平均脸或从训练集中抽取的人脸作为迭代的初始形状,当初始形状与目标点的真实位置差距较大时,有可能在更新过程中陷入局部最小,影响定位结果。基于卷积神经网络的方法通常具有较高的定位准确率,但由于其模型复杂、数据量大,所需的定位时间也更多。针对上述方法各自的优劣,本文提出了新的人脸特征点定位算法。主要工作包括以下几点:(1)在形状回归中引入卷积神经网络做初定位。使用卷积神经网络的定位结果取代平均脸作为初始形状,再进行后续迭代更新,从而得到精确的特征点位置。与传统的基于多个卷积神经网络级联或并联的算法相比,改进的算法简化了模型结构,提高了运算速度;同时具有比传统基于形状回归的方法更好的定位准确率;(2)引入精确人脸框定位模块。考虑到人脸框大小对后续定位结果的影响,在用于初定位的卷积神经网络前面加入一层额外的卷积神经网络用于精确人脸框定位,对一般人脸检测器的检测结果进行修正,从而减少背景信息的干扰,进一步提高定位精度;(3)引入迭代次数自适应机制与最优化选择机制。对有不同定位难度的图片使用不同的迭代次数,从而提高资源的利用效率;在每次迭代结果中选择误差率最小的结果作为输出,减小了偶然误差的影响;(4)采用L1范数作为正则化函数。将形状回归中全局线性回归的目标函数变为基于L1范数正则子的Lasso回归,进一步提高了算法的准确率。
【图文】：

网络进行特征学习后，，配合大量的训练数据，就可以有效地脸特征点定位问题，Cao 等人在文献[6]中还提出了基于像素差特征（pixel different features）。Cao 等人认为，对于，它周围的有些点是几何不变的，即对于某点 P ( x, y )的点 P ( x x , y y )总是具有不变的性质。如图 2-1 所示，点，其左上方的眉毛某点是黑色的，这对于每张人脸图片来角为基准点，其左侧某点为正常肤色，而右侧某点为偏红的脸图片来说也都是相似的。根据这样的特性，Cao 等人提出附近某两个点的像素值相减得到一个差值，这个差值就称为。可以用数学公式表示如下：1 1 2 2feature I ( x x , y y ) I ( x x , y y )差值在一个阈值内浮动，可以一定程度上剔除光照、肤色等

andomforest, RF）算法于2001年由Breim有关联的决策树（decision tree）[24]组合构同时能够适应不同的测试样本。表示为{ ( , ), 1, }kh X k ，其中 ( , kh X 征向量；{ }k 表示一些独立并具有相同概程。最终的输出由所有的决策树投票决定练及分类如图 2-5 所示。首先从给定的个样本子空间。接下来，在每个样本子空间合就是随机森林，其实质是对决策树的一种往往不理想；但在整个森林中，测试数据在结果进行投票，从而得到更可靠的结果。样本子空间i 树分类器i 随机森样本子空间1 树分类器1
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 贾熹滨;石勤;尹宝才;;一种由粗到细的渐进式特征点定位算法[J];北京工业大学学报;2005年S1期

2 贾熹滨;石勤;尹宝才;;由粗到细的渐进式特征点定位算法[J];北京工业大学学报;2006年05期

3 郑林;刘泉;王林涛;;一种基于特征点的跟踪算法[J];武汉理工大学学报(交通科学与工程版);2006年03期

4 江诗锋;何振峰;;基于特征点的行车数据序列对齐[J];福州大学学报(自然科学版);2010年02期

5 周全峗;史泽林;;辐射模糊图像的特征点稳定性分析[J];光电工程;2013年06期

6 魏立梅,张永瑞,谢维信,程相君;人脸识别中基准点的选取与特征点定位[J];西安电子科技大学学报;1998年01期

7 许承慧;刘桂华;梁峰;;非特征点双目测距技术研究[J];微型机与应用;2013年22期

8 潘翔;章国栋;陈启华;;三维可变形物体的特征点层次提取[J];计算机科学;2014年04期

9 陶刚,卢昀,李吉桂;细化指纹图中伪特征点的一体化去除算法[J];现代计算机(专业版);2002年10期

10 仲启媛,谭立龙;一种确定运动目标特征点的算法[J];计算机工程;2003年10期

相关会议论文 前10条

1 汪力;叶桦;夏良正;;利用特征点定位嘴巴[A];第二十六届中国控制会议论文集[C];2007年

2 付洪川;王剑;万婵;赵建英;付凯;;图像特征点匹配算法的研究与改进[A];2009中国控制与决策会议论文集（1）[C];2009年

3 温文雅;陈建华;;一种基于特征点的图像匹配算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 任明武;胡明昊;杨静宇;;一种快速实用的特征点匹配算法[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

5 许竞;姜波;;摄像机运动下特征点追踪方法研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

6 张田;王希常;苏志荣;;基于特征点和轮廓检测的粘连数字分割[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

7 杜鹏飞;彭代强;林幼权;;基于二乘向量机的特征点配准算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

8 舒志龙;阮秋琦;;基于KLT特征点跟踪的图象拼接[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年

9 杨向林;严洪;任兆瑞;陈靖一;;基于小波变换的ECG信号多特征点综合检测算法[A];第八届全国信息获取与处理学术会议论文集[C];2010年

10 韩广良;陈小云;;利用多特征点搜索实现纸钞图像的状态检测[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

相关重要报纸文章 前1条

1 本报记者 王宇;芯技术点亮未来[N];电脑报;2010年

相关博士学位论文 前10条

1 刘洪涛;基于视觉的微夹持构件受力与应变测量方法[D];上海交通大学;2014年

2 刘通;面向心拍识别的心电信号的高层特征研究[D];吉林大学;2016年

3 廖斌;基于特征点的图像配准技术研究[D];国防科学技术大学;2008年

4 杨占龙;基于特征点的图像配准与拼接技术研究[D];西安电子科技大学;2008年

5 杨利敏;图像特征点定位算法研究及其应用[D];上海交通大学;2008年

6 李旭东;基于特征点的增强现实三维注册算法研究[D];天津大学;2009年

7 鲁统伟;前视目标图像匹配定位技术研究[D];华中科技大学;2008年

8 戴激光;渐进式多特征异源高分辨率卫星影像密集匹配方法研究[D];辽宁工程技术大学;2013年

9 宋琳;无人机飞行途中视觉导航关键技术研究[D];西北工业大学;2015年

10 杨奎元;基于深层结构的图像内容分析及其应用[D];中国科学技术大学;2012年

相关硕士学位论文 前10条

1 杨棠钦;自然环境下的人脸器官特征点定位算法研究[D];电子科技大学;2017年

2 曾宝莹;基于图像识别的中国书法真伪鉴别方法研究[D];西安建筑科技大学;2015年

3 周兆镇;基于双目视觉的特征点匹配算法研究[D];西安建筑科技大学;2015年

4 冯翔;基于人脸对齐和多特征融合的人脸识别方法研究[D];南京理工大学;2015年

5 姜小会;基于特征点的图像拼接技术研究[D];山东建筑大学;2015年

6 吴昊;基础矩阵估计方法研究[D];兰州大学;2015年

7 陈伟;基于唇形特征的身份识别算法的设计[D];兰州大学;2015年

8 秦清欣;GPS辅助摄影测量的边坡监测技术研究[D];南京理工大学;2015年

9 宋伟;远程火光瞄准与探测系统设计[D];西安工业大学;2015年

10 刘智;塑料面膜印刷质量的视觉检测方法研究[D];沈阳理工大学;2015年

本文编号：2582909