基于稀疏表達(dá)的人臉分析方法研究.pdf

1、在全球信息化技術(shù)飛速發(fā)展的背景下,生活的智能化逐漸成為人們追求的重點(diǎn)。人臉分析作為許多智能化應(yīng)用的核心環(huán)節(jié),近幾年越來越受到學(xué)者關(guān)注,其中的關(guān)鍵技術(shù)包括:人臉檢測(cè),人臉跟蹤,人臉特征提取,特征匹配和分類等等。本文緊密貼合實(shí)驗(yàn)室項(xiàng)目需求,對(duì)人臉分析中的人臉識(shí)別技術(shù)以及表情識(shí)別技術(shù)進(jìn)行了深入的研究。首先本文對(duì)這兩個(gè)方面的一些相關(guān)技術(shù)進(jìn)行了詳細(xì)的介紹和回顧,并基于當(dāng)前較為熱門的算法做出了創(chuàng)新性改進(jìn),提出了一種實(shí)時(shí)性強(qiáng)、精度高的視頻流人臉識(shí)別算

2、法和一種分類能力優(yōu)秀的表情識(shí)別算法。本文主要的研究工作包括以下幾個(gè)方面:
　　1.稀疏表達(dá)應(yīng)用在人臉識(shí)別中性能優(yōu)越,但若直接用于視頻流實(shí)時(shí)性無法讓人滿意。本文針對(duì)此缺陷提出了多幀稀疏表達(dá)MFSRC算法。該算法進(jìn)行特征提取時(shí),在原始下采樣特征的基礎(chǔ)上加入了降維的LBP紋理特征,對(duì)人臉有更強(qiáng)的描述能力。此外,算法采取多幀人臉特征平均后進(jìn)行稀疏編碼的策略,大大增強(qiáng)了系統(tǒng)的實(shí)時(shí)性。因此在處理視頻流時(shí),MFSRC相比原始SRC算法有更高的識(shí)

3、別精度和更快的運(yùn)算速度。
　　2.研究了表情識(shí)別算法中特征提取環(huán)節(jié),針對(duì)傳統(tǒng)采用主要人臉器官紋理特征提取方法分類效果不佳的情況下,提出了一種人臉特征點(diǎn)運(yùn)動(dòng)結(jié)合局部紋理的方法——通過 AAM模型對(duì)特征點(diǎn)定位跟蹤得到運(yùn)動(dòng)向量再結(jié)合特征點(diǎn)周圍局部LBP紋理形成最終表情特征。實(shí)驗(yàn)證明了該特征提取方法具有更強(qiáng)的表情分類能力。
　　3.稀疏表達(dá)是一個(gè)分類上具有良好性能的算法,但引入到表情分類中卻面臨表情特征維數(shù)大,字典難以過完備的問題。