基于局部紋理模型的人臉對齊算法研究.pdf

1、隨著人工智能技術的日趨提高，人們不斷在刷新對身份認證技術的安全、便捷、潮流的認知感。傳統(tǒng)的鑰匙、IC卡等身份認證方法，存在著不足和諸多安全隱患，已經(jīng)不能滿足人們追求可靠的、便利的身份認證。近年來，基于人體生物特征的個人身份識別技術迅速發(fā)展，歸結于其安全性、便利性極好。與基于指紋、掌紋、虹膜、視網(wǎng)膜、靜脈、骨骼等其他生物特征的身份識別方式相比，人臉識別更加具有非侵犯性、防偽性、采集方便等特點。人臉識別系統(tǒng)一般包括圖像攝取、人臉檢測、人臉對

2、齊和身份確認四個步驟。其中，人臉對齊的目標是定位面部上眼睛、鼻子、嘴巴及臉部輪廓等主要器官的特征點。精確地定位人臉特征點能夠為準確地提取人臉特征奠定基石，快速地定位人臉特征點能夠為系統(tǒng)實時工作有效提供保障，從而更加有利于人臉識別工作順利進行。然而在復雜環(huán)境下，由于受光照，遮擋，姿態(tài)，表情，圖片質(zhì)量等因素變化的影響，人臉對齊算法性能大大下降，實現(xiàn)一種魯棒高效的人臉對齊方法仍然是一項具有挑戰(zhàn)性的任務。
　　本文重點探討基于局部紋理模型

3、的人臉對齊方法，首先敘述了基于Haar-like特征及AdaBoost算法的人臉檢測，其次闡明了基于主動形狀模型(Active ShapeModels，ASM)的人臉對齊，最后論述了提出的一種基于隨機森林回歸的人臉對齊算法，形成了從原始圖像到人臉檢測再到特征點定位的一套完整的全自動人臉特征點定位系統(tǒng)，文章主要分為四大塊:
　　首先，闡述了國內(nèi)外人臉對齊的研究形狀及難點，總結了人臉對齊常用的方法，并總結了人臉對齊工作常用的數(shù)據(jù)庫及人

4、臉對齊方法性能評估的幾種方法。
　　其次，敘述了基于Haar-like特征及AdaBoost算法的人臉檢測方法的實現(xiàn)過程，詳解了Haar-like特征的提取、積分圖的構造、分類器的構建與級聯(lián)，并在MATLAB R2009A平臺和Helen數(shù)據(jù)庫、LFPW數(shù)據(jù)庫及BioID數(shù)據(jù)庫進行實驗。
　　接著，闡明了基于主動形狀模型的人臉對齊方法的實現(xiàn)過程，詳解了訓練樣本形狀的對齊、形狀模型構建、梯度向量特征提取及局部模型構建，并在MA

5、TLABR2009A平臺和Helen數(shù)據(jù)庫、LFPW數(shù)據(jù)庫及BioID數(shù)據(jù)庫進行實驗。
　　最后，論述了提出的一種基于隨機森林回歸的人臉對齊方法的實現(xiàn)過程，詳解了像素差值特征的提取、隨機森林回歸模型的構建、隨機森林回歸模型的遍歷、全局形狀優(yōu)化模型的構建及級聯(lián)結構的應用，并在MATLAB R2009A平臺和Helen與LFPW數(shù)據(jù)庫對提出的方法進行了測試，實驗結果表明基于隨機森林回歸的人臉對齊方法不僅特征點定位時間短、定位精度高，而