魯棒表情關(guān)鍵點定位系統(tǒng)設(shè)計與實現(xiàn).pdf

1、人臉表情作為人類情感表達的載體對研究人類內(nèi)心真實想法具有重要意義。目前人臉表情識別，微表情檢測等技術(shù)已經(jīng)在臨床醫(yī)學(xué)、心理學(xué)、偵查等方面得到廣泛應(yīng)用。在人臉表情識別過程中，人臉關(guān)鍵點定位技術(shù)對于最終的識別結(jié)果具有關(guān)鍵作用。在識別過程中，除了人臉復(fù)雜多變的表情外，還有裝飾物，姿勢，光照等的變化，因此具有魯棒性的人臉關(guān)鍵點定位技術(shù)在人臉表情識別過程中具有重要的實際意義。本文重點對魯棒關(guān)鍵點定位技術(shù)進行了對比研究，并設(shè)計實現(xiàn)了一個綜合魯棒表情關(guān)

2、鍵點定位演示系統(tǒng)。主要研究內(nèi)容包括以下三個方面:
　　(1)為了和魯棒關(guān)鍵點定位算法對比，本文研究并實現(xiàn)了傳統(tǒng)主動形狀模型(ASM)，這是一種典型的局部約束模型，主要包括訓(xùn)練和搜索兩個階段。該模型通過對訓(xùn)練建立可形變的模型，并為每個特征點建立局部形狀特征，之后在特征點附近沿輪廓曲線的法線方向進行局部搜索，判斷形狀是否合理，直到滿足收斂條件，收斂到最優(yōu)結(jié)果。
　　(2)論文研究對比并實現(xiàn)了三種具有魯棒性的人臉關(guān)鍵點定位算法，分

3、別是魯棒級聯(lián)回歸(RCPR)算法，級聯(lián)變形形狀模型(CDSM)算法以及魯棒判別響應(yīng)擬合(DRMF)算法。RCPR算法是在CPR算法的基礎(chǔ)上通過形狀索引特征進行特征提取然后進行級聯(lián)回歸訓(xùn)練并在訓(xùn)練的同時進行遮擋檢測，對人臉形變和遮擋都具有魯棒性。CDSM算法將初始值定為關(guān)鍵點周圍的區(qū)域塊實現(xiàn)初始值的魯棒，多個區(qū)域塊的聯(lián)合作為群稀疏模型進行特征提取，再通過兩級級聯(lián)形變模型進行訓(xùn)練，對形狀變化的魯棒性具有顯著效果。DRMF算法通過訓(xùn)練參數(shù)響應(yīng)

4、模型用較少的參數(shù)來表示形狀估計，然后在訓(xùn)練中對已收斂的訓(xùn)練樣本進行更新，以達到更具有挑戰(zhàn)性的訓(xùn)練結(jié)果，對有遮擋情況的魯棒性具有顯著效果。
　　(3)通過在AVEC微表情庫的實驗分析，總結(jié)得出當(dāng)人臉發(fā)生形變時RCPR和CDSM兩種算法的定位效果較好，形變程度較大時CDSM算法的定位效果更優(yōu);當(dāng)人臉部出現(xiàn)遮擋，尤其是眼睛位置出現(xiàn)遮擋時，RCPR和DRMF兩種算法的定位效果較好。在以上結(jié)論的基礎(chǔ)上，本文提出了一種魯棒關(guān)鍵點融合算法，并實