不同姿勢(shì)下的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別和機(jī)器視覺(jué)領(lǐng)域最富挑戰(zhàn)性的研究課題之一，它在公共安全、信息安全、人機(jī)交互等領(lǐng)域中有著廣泛的應(yīng)用前景。經(jīng)過(guò)三十多年的研究，人臉識(shí)別技術(shù)在理想環(huán)境條件下已達(dá)到實(shí)用程度，但是在成像環(huán)境不可控的情況下，由于姿態(tài)、表情、光照、遮擋等因素的影響，已有的人臉識(shí)別算法性能大大下降，其應(yīng)用范圍也受到了較大的限制。因此，針對(duì)各種變化魯棒的人臉識(shí)別技術(shù)是當(dāng)前的一個(gè)研究熱點(diǎn)。本文主要針對(duì)不同姿勢(shì)下的人臉識(shí)別技術(shù)進(jìn)行了研究。MR-ASM(M

2、ulti-resolution Active Shape Model)和AAM(Active Appearance Model)多用于人臉識(shí)別中的特征提取，其最大優(yōu)點(diǎn)是具有全局形狀約束能力，對(duì)遮擋有較強(qiáng)的魯棒性。本論文在深入研究ASM和從M的基礎(chǔ)上，提出了兩個(gè)改進(jìn)思路，并進(jìn)一步提取姿勢(shì)無(wú)關(guān)的特征用于人臉識(shí)別，具體如下： 1．基于混合的MR-ASM與AAM的人臉標(biāo)志點(diǎn)定位算法。 本算法利用MR-ASM定位結(jié)果初始化AAM。

3、在最高分辨率圖像上，循環(huán)使用單分辨率ASM與AAM，同時(shí)依靠圖像的形狀與紋理信息共同引導(dǎo)標(biāo)志點(diǎn)定位。算法創(chuàng)新點(diǎn)在于：1)改進(jìn)了AAM形狀與紋理聯(lián)合控制參數(shù)計(jì)算過(guò)程，通過(guò)一次主分量分析，同時(shí)得到形狀與紋理聯(lián)合控制參數(shù)，參數(shù)設(shè)計(jì)更合理。2)改進(jìn)了ASM標(biāo)志點(diǎn)定位階段參數(shù)更新方式。使模型能同時(shí)考慮到姿勢(shì)與形狀兩類(lèi)控制參數(shù)改變的相互影響，并進(jìn)一步修正標(biāo)志點(diǎn)定位結(jié)果。 2．基于級(jí)聯(lián)MR-ASM的人臉標(biāo)志點(diǎn)定位算法。 本算法以精確的

4、標(biāo)志點(diǎn)定位為目標(biāo)，自適應(yīng)選取訓(xùn)練樣本子集，并將訓(xùn)練得到的多個(gè)定位器級(jí)聯(lián)以用于標(biāo)志點(diǎn)定位。本算法自動(dòng)選取的樣本子集對(duì)應(yīng)的控制參數(shù)分布具有更好的聚類(lèi)性，避免了人為劃分訓(xùn)練集樣本空間和對(duì)控制參數(shù)的分布方式進(jìn)行估計(jì)的問(wèn)題，并進(jìn)一步提高了模型的定位能力。 3．基于姿勢(shì)無(wú)關(guān)特征的人臉識(shí)別算法 基于上述兩種標(biāo)志點(diǎn)定位結(jié)果進(jìn)行人臉識(shí)別。首先建立公共形狀控制參數(shù)空間(用手工標(biāo)定的全部訓(xùn)練集標(biāo)志點(diǎn)Groundtruth數(shù)據(jù)訓(xùn)練得到)。將第三