多视角面部特征点定位研究与应用

发布时间：2019-08-17 12:01

【摘要】：人脸图像的感知和分析是模式识别和人工智能学科的前沿课题,包括人脸检测,面部特征点定位,姿态估计,表情分析,人脸合成,人脸识别和人脸动画等一系列研究内容。其中,人脸检测和面部特征定位是基础,人脸识别是重要应用之一。与正面人脸检测与特征点定位相比,多视角人脸的研究还相对薄弱,难度也大得多,离实际应用还有距离,但却是人脸感知和分析技术走向实用化急需解决的关键问题。正是在这种背景下,本文提出一种多视角树结构模型M-TSM(Multi-view Tree Structured Model)并将其应用在大型数据库搜索中,以期解决大数据环境下的人脸识别问题。该模型通过建立和维护不同视角下的面部模板来解决图片中的人脸检测和特征点定位问题,通过合并这两个问题,简化人脸识别过程。同时,将其做分布式处理来完成大型人脸数据库的自动注册,并利用其在图像分析中捕获视角的优势,提出在特征向量中加入2维视角信息的方法,直接略过视角不符的注册特征,缩小搜索范围,加快识别速度。主要工作及成果如下:(1)对训练样本中每一个特征点建模获得对应此点的局部模块,且存档所有视角下均共享的模块,构成共享集。同时,基于不同视角,构建由局部模块组成的多视角树结构模型并设计模型能量函数,函数包含各局部模块HOG[49]特征信息以及模块之间的一次、二次连接系数等全局信息;(2)甄选多个视角下的样本并标定人脸区域、特征点和视角信息,首先基于Chow-Liu算法原理,获得给定样本特征点的最大似然估计,作为特征点分布的粗估计;然后建立LSVM[23](Latent variable SVM)框架对M-TSM中的所有参数进行判别性训练,提取人脸区域的鉴别性特征,用于定位人脸区域;最后分析M-TSM搜索过程,提出在已知的人脸区域内,枚举所有视角并应用多次动态规划[27]确定目标人脸特征点和视角的方法;(3)对M-TSM进行测试并分别针对人脸定位、姿态估计和特征点定位与其他常用算法做实验对比和分析。实验结果显示,多视角树结构不仅拥有良好的各方面性能,且能够同时完成图片中的多人脸分析。(4)基于分布式文件系统DFS[15](Distributed File System)和Map Reduce[16]框架,架构一个基于Windows系统上的轻便型分布式文件系统[21],利用M-TSM在图像分析中的优势,即同时获得人脸视角和特征点分布,将其做分布式处理来自动完成大型数据库的人脸注册环节和用户输入图片的特征提取。后续实验将展示M-TSM在分布式数据库构建和搜索中发挥的巨大作用。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41

【参考文献】