人臉識別技術(shù)——基于ASM和AAM的特征提取方法.pdf

1、人臉識別是指利用計算機分析人臉圖像，進而從中提取出有效的識別信息，用來辨認身份的一門技術(shù)[1]。人臉識別技術(shù)的研究已經(jīng)成為人工智能與模式識別領(lǐng)域的熱點。人臉識別技術(shù)主要有三個步驟:人臉檢測、特征提取和人臉識別。人臉識別技術(shù)的應(yīng)用非常廣泛，包括智能門禁系統(tǒng)、計算機安全領(lǐng)域、智能監(jiān)控系統(tǒng)、機器視覺系統(tǒng)、醫(yī)學(xué)診斷系統(tǒng)以及三維動畫等領(lǐng)域。作為一個有著廣泛應(yīng)用背景的研究領(lǐng)域，人臉識別技術(shù)吸引了大批國內(nèi)外研究學(xué)者的參與，許多知名的研究機構(gòu)也將其列為

2、重要研究方向，并已取得了很多成果。理想狀態(tài)下的人臉識別技術(shù)已經(jīng)非常成熟，但是要開發(fā)出真正魯棒、大規(guī)模、快速的人臉識別系統(tǒng)還需要解決大量的問題。
　　 關(guān)于人臉識別技術(shù)的算法非常多，近二十多年來，國內(nèi)外眾多研究小組和學(xué)者紛紛提出了自己的解決方案。但是由于研究者學(xué)術(shù)背景和應(yīng)用的不同，這些算法也不盡相同。主動形狀模型(Active Shape Model，ASM)和主動表觀模型(Active Appearance Model，AAM)

3、是兩個非常有效的特征提取算法，它們都是基于統(tǒng)計的參數(shù)化可變模型。廣泛應(yīng)用于人臉特征點的定位、醫(yī)學(xué)圖像處理、圖像配準(zhǔn)以及跟蹤等方面。
　　 本文研究了ASM和AAM的算法實現(xiàn)過程，并比較了兩類模型的異同點。在此基礎(chǔ)上深入分析了AAM的匹配算法，然后在ASM和AAM基礎(chǔ)上進行了改進。本文主要的工作如下:
　　 1、復(fù)現(xiàn)了經(jīng)典的ASM和AAM算法的建模過程，即通過手動標(biāo)點獲取訓(xùn)練集的形狀信息，然后采用紋理映射提取全局紋理，最后

4、經(jīng)過主成分分析(Principal ComponentAnalysis，PCA)建立起參數(shù)化的ASM模型和AAM模型。我們通過實驗分別展示了ASM模型和AAM模型的表征能力。
　　 2、針對傳統(tǒng)ASM對齊過程中存在的問題進行了研究，我們發(fā)現(xiàn)傳統(tǒng)的ASM訓(xùn)練集對齊時采用的Procrustes算法是一種迭代算法，在訓(xùn)練集非常大的時候效率很低。因此我們采用基本的圖像幾何變換，經(jīng)過平移、旋轉(zhuǎn)和放縮把訓(xùn)練集變換到統(tǒng)一的框架下，實驗表明，改

5、進的算法大大的提高了對齊速度，并且對齊效果也更加優(yōu)秀。
　　 3、深入分析了AAM模型的匹配算法，我們對比了線性算法和逆向組合算法的匹配效果，并分析了其原因。通過實驗，我們發(fā)現(xiàn)逆向組合算法的匹配結(jié)果要遠遠優(yōu)于線性算法。
　　 4、我們在逆向組合算法的基礎(chǔ)上，進一步分析了AAM模型匹配過程中存在的若干問題，通過添加全局幾何變換，我們能把AAM模型更好得匹配到輸入圖像上去。我們又在全局變換的基礎(chǔ)上添加了切變變換，這使得AAM