基于優(yōu)化的SIFT特征描述子的人臉特征點(diǎn)定位算法的研究.pdf

1、人臉圖像分析是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的前沿課題，包含人臉檢測(cè)，人臉特征點(diǎn)定位，表情識(shí)別，人臉識(shí)別等一系列研究?jī)?nèi)容。其中人臉檢測(cè)和面部特征點(diǎn)的精確定位是人臉識(shí)別，表情識(shí)別，姿態(tài)估計(jì)等應(yīng)用中的至關(guān)重要的步驟，也是擴(kuò)大基于人臉分析的應(yīng)用的范圍的過程中需要解決的關(guān)鍵問題。
　　基于這一實(shí)際需求，本文所做的工作是在背景中進(jìn)行人臉定位檢測(cè)，分割出橢圓形人臉感興趣區(qū)域，然后在檢測(cè)出的人臉區(qū)域內(nèi)進(jìn)行基于紋理特征和形狀約束的五官特征點(diǎn)精確定位。傳

2、統(tǒng)的人臉特征點(diǎn)定位算法對(duì)臉部特征點(diǎn)的特有特征研究不多，致使特征點(diǎn)的初始化檢測(cè)效果不好，從而直接影響到后續(xù)對(duì)特征點(diǎn)點(diǎn)集的形狀約束。針對(duì)以上問題，這篇文章根據(jù)臉部特征點(diǎn)的紋理特征，利用 Powell算法學(xué)習(xí)得到基于SIFT( Scale Invariant Feature Transform)的特征算子最優(yōu)化的參數(shù)；然后提取臉部特征點(diǎn)在最優(yōu)化的參數(shù)下的 SIFT特征算子并用于訓(xùn)練基于支持向量回歸機(jī)的檢測(cè)器；最后利用優(yōu)化的檢測(cè)器在感興趣區(qū)域內(nèi)

3、進(jìn)行特征點(diǎn)初始化檢測(cè)。
　　文章利用 LFPW人臉數(shù)據(jù)庫(kù)作為訓(xùn)練庫(kù)進(jìn)行 SIFT特征算子參數(shù)的優(yōu)化，并訓(xùn)練基于 SIFT特征的支持向量回歸機(jī)。最后在 BioID數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試，通過實(shí)驗(yàn)驗(yàn)證了，在存在光線，姿勢(shì)，表情變換的情況下，基于改進(jìn)的 SIFT特征訓(xùn)練的支持向量回歸機(jī)對(duì)人臉特征點(diǎn)初始化檢測(cè)的效果相比于基于未改進(jìn)的 SIFT特征的支持向量回歸機(jī)有了大幅度的提高，另外引入的基于三點(diǎn)一組模型的外形結(jié)構(gòu)約束算法，成功對(duì)人臉特征點(diǎn)初始