基于約束局部模型的人臉特征點(diǎn)定位算法的改進(jìn)與實(shí)現(xiàn).pdf

1、近些年來，生物識(shí)別技術(shù)在快速的發(fā)展，人臉識(shí)別作為最友好的生物識(shí)別方式，受到了人們廣泛的關(guān)注和深入的研究。在人臉識(shí)別中，人臉特征點(diǎn)定位的目標(biāo)是在人臉圖像上定位具有強(qiáng)分辨能力的臉部關(guān)鍵特征（如雙眼、鼻子和嘴巴等）的位置，在完整的識(shí)別應(yīng)用中具有承上啟下的作用，精確的人臉特征點(diǎn)定位可以有效提升人臉姿態(tài)估計(jì)、表情分析、三維動(dòng)畫建模及疲勞檢測(cè)預(yù)警等方面的應(yīng)用效果。因此，研究人臉特征點(diǎn)定位具有一定的理論價(jià)值和現(xiàn)實(shí)意義。
　　本文分析了現(xiàn)有的人臉

2、特征點(diǎn)定位算法，總結(jié)了特征點(diǎn)定位的常用研究方法，在此基礎(chǔ)上重點(diǎn)研究了約束局部模型（Constrained Local Models，CLM），分析了CLM模型的形狀模型和局部模型的特點(diǎn)和相應(yīng)的建模方法，在建模完成后的擬合優(yōu)化部分，對(duì)比分析了經(jīng)典的擬合算法與凸二次擬合（Convex Quadratic Fitting，CQF）改進(jìn)，指出當(dāng)前算法存在的局部極小值問題，該問題可能導(dǎo)致局部搜索無法找到最優(yōu)位置，進(jìn)而影響全局的定位精度。為了解決該

3、問題引入了均值漂移算法，并且針對(duì)均值漂移算法中的固定窗口可能導(dǎo)致收斂失敗的問題，使用搜索窗寬自適應(yīng)方法改進(jìn)了原有算法，將改進(jìn)后的均值漂移算法應(yīng)用于CLM模型后實(shí)現(xiàn)對(duì)原有算法的改進(jìn)。
　　本文最后基于OpenCV實(shí)現(xiàn)了改進(jìn)后的人臉特征點(diǎn)定位系統(tǒng)，并且將原始算法和改進(jìn)算法分別應(yīng)用于自然環(huán)境下的人臉特征點(diǎn)標(biāo)注（Label Facial Part in The Wild，LFPW）人臉庫(kù)，對(duì)比了兩種算法在同一情況下的定位效果，通過對(duì)比，展