非约束环境下基于小样本的人脸特征精确定位.pdfVIP

第 26卷 第 6期 模式识别与人工智能 Vo1．26 No．6 2013年 6月 PR ＆ AI Jun 2013 非约束环境下基于小样本的人脸特征精确定位 陈 莹 2 张龙媛 (江南大学 物联网工程学院轻工过程先进控制教育部重点实验室 无锡 214122) (上海交通大学 系统控制与信息处理教育部重点实验室 上海200240) 摘 要 针对非约束环境下的人脸特征定位问题，在概率框架下提出一种基于小样本的精确定位策略．通过对 比 分析，提取人脸主要特征的颜色和灰度信息及人脸特征之间的几何约束信息，利用混合高斯模型分别对其进行概 率建模．之后建立定位融合策略，不仅考虑每种人脸特征的概率分布，还考虑其周围元素的概率分布特性，及各元 素之间的几何约束．实验结果表明，该方法能在少量训练样本图像且样本个体较为单一的条件下，实现人脸主要特 征的精确定位，且定位精度高于现有方法． 关键词 非约束环境，小样本，人脸特征定位，高斯混合模型 中图法分类号 TP391 PreciseFacialFeatureLocalization underNon-RestraintEnvironmentwithLimitedTrainingImages CHENYingl-．ZHANG Long—Yuan (KeyLaboratoryofAdvancedProcessControlforLightIndustryofMinistryofEducation， SchooloflnternetofThingsEngineering，JiangnanUniversity，Wuxi214122) (KeyLaboratoryofSystemControlandInformationProcessingofMinsitryofEducation， ShanghaiJiaoTongUniversity，Shanghai200240) ABSTRACT Afteranalyzingthelimitationofcurrentmethods，apreciselocalizationstrategywithlimitedtraining dataisproposed inaprobabilityframework．Textureand geometry information offacialelementsare extractedasmodelfeaturesaftercomparisonanalysiswithothertraditionaldescriptors．Gaussianmixture modelisusedfortheprobabilitymodeling，which describesthe distribution ofeach modelfeatures extractedfrom differentfaeialconditionswel1．Then，a seriesoffusion strategiesare designed forthe facialfeatureslocalization，which considersthe probability distribution ofeach faeialfeature．the distributioncharactersoftheirsurroundingelementsandtheirgeometry constraints．Theexperimental resuhsshow thattheproposedmethodcanrealizepreciselocalizationofrthefacialfeatureswithlimited trainingsample