基于AAM的人臉建模與匹配技術(shù)的研究.pdf

1、處在信息化時(shí)代,數(shù)據(jù)的海量以及安全對(duì)人們?cè)斐闪撕芏嗬Ь?。隨之，生物特征識(shí)別技術(shù)越來越受到人們的重視,人臉識(shí)別作為生物特征識(shí)別研究領(lǐng)域之一，憑借其很多優(yōu)點(diǎn)，也成為了人們研究的熱門領(lǐng)域。人臉識(shí)別的完整過程主要包括四個(gè)方面，人臉圖像的采集、人臉檢測(cè)、特征點(diǎn)提取與定位以及特征匹配與識(shí)別。其中,特征點(diǎn)提取與定位和特征匹配與識(shí)別這兩個(gè)方面對(duì)人臉識(shí)別的準(zhǔn)確率和效率起到至關(guān)重要的作用。本文對(duì)經(jīng)典的動(dòng)態(tài)外觀模型(Active Appearance Mod

2、el, AAM)、反向合成圖像對(duì)齊算法(Inverse Compositional Image Alignment, ICIA)進(jìn)行了深入的分析與研究，并且針對(duì)經(jīng)典算法的計(jì)算的時(shí)間復(fù)雜度大、容易受到光照、角度、表情等的影響做了改進(jìn)，提出了半動(dòng)態(tài)外觀模型(Semi-Active Appearance Model,SAAM)，此模型在建模以及匹配的過程中，降低了數(shù)據(jù)計(jì)算過程中的時(shí)間復(fù)雜度和空間復(fù)雜度，并且在匹配識(shí)別的準(zhǔn)確率上有一定的提高。<

3、br>　　本文的主要研究方面以及創(chuàng)新結(jié)果如下：
　　(1)詳細(xì)的研究了AAM的建模以及匹配計(jì)算。AAM的建模包括形狀模型的建立、紋理模型的建立以及組合模型的建立，該模型對(duì)人臉的特征點(diǎn)定位較準(zhǔn)確，很好的表示了人臉圖像的外觀，但是由于人臉圖像數(shù)據(jù)量很大，從而計(jì)算量較大；AAM的匹配計(jì)算是采用經(jīng)典的梯度下降法，效率比較低。
　　(2)在AAM的匹配計(jì)算中，考慮到經(jīng)典的梯度下降法效率較低，深入的研究了反向合成圖像對(duì)齊算法。此算法是由

4、 Lucas-kanade算法與前向合成圖像對(duì)齊算法進(jìn)行推導(dǎo)得來，在理論上得到了證明，并且將反向合成圖像對(duì)齊算法應(yīng)用到AAM的特征匹配計(jì)算中，計(jì)算效率得到了很大程度的提高。
　　(3)針對(duì)AAM建模的過程中，計(jì)算數(shù)據(jù)量大、容易受到光照、角度、表情的影響，本章提出了SAAM模型。此模型是將動(dòng)態(tài)形狀模型(Active Shape Model,ASM)與灰度共生矩陣(Grey Level Co-occurrence Matrix,GLC

5、M)相結(jié)合推導(dǎo)出來的。該模型在建立的過程中，省去了很多計(jì)算特征值、特征向量的復(fù)雜計(jì)算，在匹配計(jì)算的過程中，為了提高匹配的計(jì)算效率以及準(zhǔn)確率，將反向合成圖像對(duì)齊算法應(yīng)用于其中。經(jīng)過試驗(yàn)證明，該模型具有計(jì)算簡(jiǎn)單、識(shí)別準(zhǔn)確率高等特點(diǎn)，有效地解決了AAM在計(jì)算效率、識(shí)別準(zhǔn)確率存在的問題。
　　(4)本章在基于OpenCV的環(huán)境下，并利用MFC實(shí)現(xiàn)了一個(gè)完整的人臉識(shí)別程序軟件。該過程包括圖像采集與人臉檢測(cè)模塊、特征點(diǎn)提取與定位模塊、特征匹配