人臉特征提取方法研究.pdf

1、人臉特征提取是人臉圖像分析技術的關鍵，它被廣泛應用于人臉識別、三維人臉重建、人臉圖像壓縮等領域。由于人臉的面部表情和頭部姿態(tài)是富于變化的，所以人們很難對特征點的形態(tài)進行準確建模。此外，一些干擾，比如圖像中的光照不均勻，臉上存在眼鏡和胡子等遮擋物，都會造成特征點消失或變形，從而增加定位的難度。與其它人臉分析技術相類似，臉部特征定位需要最大限度地適應人臉的各種變化。盡管前人已經對這個問題進行了深入研究，但現(xiàn)有的人臉特征提取技術在應用條件方面

2、仍然存在苛刻的限制，比如要求均勻的光照、正面且中性表情的人臉、無遮擋物等。即便如此，技術的實時性與準確度也都未達到實用的程度。 本文重點研究了魯棒的人臉特征提取算法，主要研究內容如下： 1) 首先針對反向組合圖像對齊算法及其三種擴展形式的演變過程進行了推導，然后詳細探討了主動表觀模型(AAM)的建模與擬合算法，并指出了基于AAM的人臉特征點定位算法的不足之處。 2) 基于AAM的投影式反向組合算法是一種快速有效的

3、人臉特征點定位方法。但當圖像中人臉的某部分被遮掩時，算法定位特征點的精度會明顯下降。本文提出一種采用逐層細分掩模消除干擾的正規(guī)化反向組合算法，該算法既保留了反向組合算法快速高效的優(yōu)點又提高了算法處理遮掩的能力。其中包括兩項創(chuàng)新：(1)提出一種更加適合于掩模技術的正規(guī)化反向組合算法；(2)設計出一種逐層細分掩模的方法。通過迭代判斷和逐層分塊細化掩模，使掩模準確地設置在遮掩物上，最大程度減少干擾。 3) 針對頭部姿態(tài)大角度偏轉的圖像

4、，傳統(tǒng)的二維模型AAM定位人臉特征點的精度會急劇下降。本文提出了基于2D+3D Candide模型的三維人臉特征提取算法，算法能夠有效地提取人臉特征點的位置和頭部姿態(tài)等三維信息。實驗證明算法在速度和精度方面都有不同程度的提高。其中包括三項創(chuàng)新：(1)研究AAM與Candide的融合技術。借鑒AAM建模的方法，建立2D+3D Candide模型；(2)建立約束方程，保持二維模型和三維模型的形變一致。(3)提出新的擬合算法，同時優(yōu)化能量方程