基于局部紋理模型的人臉對(duì)齊算法研究.pdf

1、隨著人工智能技術(shù)的日趨提高，人們不斷在刷新對(duì)身份認(rèn)證技術(shù)的安全、便捷、潮流的認(rèn)知感。傳統(tǒng)的鑰匙、IC卡等身份認(rèn)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(rèn)證。近年來(lái)，基于人體生物特征的個(gè)人身份識(shí)別技術(shù)迅速發(fā)展，歸結(jié)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(shí)別方式相比，人臉識(shí)別更加具有非侵犯性、防偽性、采集方便等特點(diǎn)。人臉識(shí)別系統(tǒng)一般包括圖像攝取、人臉檢測(cè)、人臉對(duì)

2、齊和身份確認(rèn)四個(gè)步驟。其中，人臉對(duì)齊的目標(biāo)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(diǎn)。精確地定位人臉特征點(diǎn)能夠?yàn)闇?zhǔn)確地提取人臉特征奠定基石，快速地定位人臉特征點(diǎn)能夠?yàn)橄到y(tǒng)實(shí)時(shí)工作有效提供保障，從而更加有利于人臉識(shí)別工作順利進(jìn)行。然而在復(fù)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(duì)齊算法性能大大下降，實(shí)現(xiàn)一種魯棒高效的人臉對(duì)齊方法仍然是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。
　　本文重點(diǎn)探討基于局部紋理模型

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

4、臉對(duì)齊方法性能評(píng)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(cè)方法的實(shí)現(xiàn)過(guò)程，詳解了Haar-like特征的提取、積分圖的構(gòu)造、分類(lèi)器的構(gòu)建與級(jí)聯(lián)，并在MATLAB R2009A平臺(tái)和Helen數(shù)據(jù)庫(kù)、LFPW數(shù)據(jù)庫(kù)及BioID數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)。
　　接著，闡明了基于主動(dòng)形狀模型的人臉對(duì)齊方法的實(shí)現(xiàn)過(guò)程，詳解了訓(xùn)練樣本形狀的對(duì)齊、形狀模型構(gòu)建、梯度向量特征提取及局部模型構(gòu)建，并在MA

5、TLABR2009A平臺(tái)和Helen數(shù)據(jù)庫(kù)、LFPW數(shù)據(jù)庫(kù)及BioID數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)。
　　最后，論述了提出的一種基于隨機(jī)森林回歸的人臉對(duì)齊方法的實(shí)現(xiàn)過(guò)程，詳解了像素差值特征的提取、隨機(jī)森林回歸模型的構(gòu)建、隨機(jī)森林回歸模型的遍歷、全局形狀優(yōu)化模型的構(gòu)建及級(jí)聯(lián)結(jié)構(gòu)的應(yīng)用，并在MATLAB R2009A平臺(tái)和Helen與LFPW數(shù)據(jù)庫(kù)對(duì)提出的方法進(jìn)行了測(cè)試，實(shí)驗(yàn)結(jié)果表明基于隨機(jī)森林回歸的人臉對(duì)齊方法不僅特征點(diǎn)定位時(shí)間短、定位精度高，而