表情變化魯棒的面部特征點檢測與跟蹤方法研究.pdf

1、在計算機技術(shù)快速發(fā)展的今天，人工智能廣泛出現(xiàn)在人們生活中。人臉智能分析作為人工智能的一個重要分支，在實際應(yīng)用中起著巨大的作用。面部特征點檢測和跟蹤作為人臉智能分析中的一個重要的基礎(chǔ)環(huán)節(jié)，實際中對特征點定位的魯棒性要求較高。本文針對靜態(tài)圖像中表情變化的人臉圖像，提出了一種特征點定位方法。針對視頻序列中表情變化的人臉圖像，提出了一種面部特征點跟蹤的方法。實驗結(jié)果表明，提出的特征點檢測和跟蹤方法在其對應(yīng)的條件下均表現(xiàn)出表較好的魯棒性。

2、　　為了解決靜態(tài)圖像中表情變化的人臉特征點定位問題，提出了基于多特征和多核學(xué)習(xí)的面部特征點定位方法。首先，使用已經(jīng)標(biāo)記好的一定數(shù)量的人臉庫，建立人臉形狀統(tǒng)計模型。其次，使用多特征和多核學(xué)習(xí)的方法構(gòu)建局部檢測器。再次，在初始化完成后，使用構(gòu)建好的局部檢測器，在每個初始化點的周圍局部區(qū)域檢測，輸出響應(yīng)圖。最后在局部響應(yīng)圖上構(gòu)造二次函數(shù)并結(jié)合全局模型約束迭代優(yōu)化函數(shù)，完成特征點的檢測工作。實驗結(jié)果表明該方法在含有表情變化的靜態(tài)圖像中有較好的定

3、位效果，與基于單特征單核的支撐向量機的特征點檢測方法相比，定位的精度有了顯著提高。
　　為了解決視頻中面部特征點的跟蹤問題，提出了一種改進的時空上下文跟蹤方法，并結(jié)合基于局部限制模型的特征點檢測方法完成特征點的跟蹤。首先，使用特征點定位方法給定初始位置。其次，學(xué)習(xí)空間上下文和時間上下文產(chǎn)生置信圖。再次，計算置信圖中置信度較高的位置，并計算當(dāng)前預(yù)測區(qū)域和前一幀目標(biāo)區(qū)域的相似判決系數(shù)。最后，判斷相似系數(shù)是否滿足設(shè)定的閾值，如果不滿足則