基于支持向量回歸的面部特征點(diǎn)定位算法.pdf

1、面部特征點(diǎn)定位是人臉識(shí)別過程中的一個(gè)關(guān)鍵步驟，面部特征點(diǎn)定位的準(zhǔn)確度直接影響到人臉識(shí)別的性能。然而，面部特征點(diǎn)定位卻是一項(xiàng)具有挑戰(zhàn)性的研究課題，因?yàn)樵S多因素，如光照、表情、姿態(tài)的變化等都會(huì)對(duì)面部特征點(diǎn)定位產(chǎn)生影響。本文圍繞面部特征點(diǎn)定位進(jìn)行了深入的研究，主要內(nèi)容如下：
　?。?）利用支持向量回歸的方法進(jìn)行面部特征點(diǎn)定位。在訓(xùn)練的過程中，首先得到測(cè)試點(diǎn)到手工標(biāo)記目標(biāo)點(diǎn)之間的位移矢量，建立該位移矢量與測(cè)試點(diǎn)的紋理特征之間的關(guān)系模型。利

2、用訓(xùn)練獲得的模型，在預(yù)測(cè)時(shí)通過測(cè)試點(diǎn)的紋理特征就可以得到預(yù)測(cè)的目標(biāo)點(diǎn)。SVR的一個(gè)主要缺陷就是不能評(píng)估預(yù)測(cè)目標(biāo)點(diǎn)為真實(shí)目標(biāo)點(diǎn)的概率大小，由此會(huì)影響算法定位的精度。為降低該影響，在支持向量回歸預(yù)測(cè)的階段，增加了一個(gè)評(píng)價(jià)函數(shù)評(píng)估預(yù)測(cè)目標(biāo)點(diǎn)為真實(shí)目標(biāo)點(diǎn)的概率，評(píng)估值小的點(diǎn)，說明其為真實(shí)目標(biāo)點(diǎn)的概率低則舍棄。
　?。?）采用Gabor小波變換與局部二值模式相結(jié)合來描述測(cè)試點(diǎn)的紋理特征。此方法首先對(duì)以測(cè)試點(diǎn)為中心的一個(gè)18×18像素的窗口進(jìn)

3、行2尺度4方向的Gabor小波變換，分別對(duì)每個(gè)尺度的Gabor濾波圖譜疊加，得到兩個(gè)尺度的Gabor特征圖像。然后，對(duì)每個(gè)尺度的Gabor特征圖像進(jìn)行分塊LBP編碼，分為3×3的子塊，分別統(tǒng)計(jì)每個(gè)子塊的LBP特征，得到每個(gè)子塊的LBP直方圖。最后，將所有的直方圖按順序連接起來作為該測(cè)試點(diǎn)的紋理表示。利用此種方法進(jìn)行紋理特征描述所得到的特征維數(shù)是巨大的。為了降低特征維數(shù)，節(jié)省計(jì)算時(shí)間，引入基于相關(guān)性的特征選擇方法去除冗余特征和不相關(guān)特征。