基于Kinect的AAM特征點(diǎn)定位方法研究.pdf

1、計(jì)算機(jī)視覺(jué)研究的方向有很多種，其中面部特征點(diǎn)定位是比較前衛(wèi)的一個(gè)研究方向，通常用于人臉檢測(cè)、姿態(tài)體態(tài)獲取、表情微檢測(cè)、人機(jī)交互、認(rèn)知心理學(xué)等，并拓展出其他商用領(lǐng)域，如網(wǎng)絡(luò)身份安全、在線支付安全保障、電影特效場(chǎng)景模擬、全新的人機(jī)交互界面等專業(yè)方面提供技術(shù)支持。但由于人體面部結(jié)構(gòu)的錯(cuò)綜復(fù)雜性，準(zhǔn)確識(shí)別難度較高的類型，想要完美解決面部特征點(diǎn)的問(wèn)題還是任重道遠(yuǎn)的。面部特征點(diǎn)關(guān)鍵是基于眼、口、眉毛以及外輪廓展開圖像分析與提取。
　　首先，使

2、用Kinect提取面部特征點(diǎn)，精度和魯棒性是人臉面部提取問(wèn)題的關(guān)鍵一環(huán)。這其中主要的匹配誤差是來(lái)自光照的不穩(wěn)定性和姿態(tài)變換所造成的結(jié)果。因?yàn)楣庹盏牟环€(wěn)定性對(duì)三維圖像的干擾性較小，與此同時(shí)加入的深度系統(tǒng)的話姿態(tài)判斷的準(zhǔn)確性也有一定的增強(qiáng)，所以本論文使用了這款Kinect設(shè)備來(lái)采集圖像。
　　本文分析了Eigenface和Fisherface的理論推導(dǎo)和實(shí)踐當(dāng)中的性能可行性。兩種算法分別應(yīng)用于ORL和Yale數(shù)據(jù)庫(kù)中進(jìn)行性能仿真實(shí)驗(yàn)。