基于子空间约束的面部特征点跟踪算法.pdfVIP

高技术通讯 年 月 第 卷 第 期 2005 9 15 9 基于子空间约束的面部特征点跟踪算法① ② * 王建宇 高 文 （哈尔滨工业大学计算机科学与技术学院 哈尔滨 150001） * （ 中国科学院计算技术研究所联合实验室 北京 100080 ） 摘 要 为克服纹理不丰富和非刚性形变等因素引起的面部特征点跟踪困难，提出了一 种基于子空间约束的面部特征点跟踪算法。针对人脸运动特点，将面部特征点分为具有 复杂运动模式和简单运动模式的特征点集。用通过样例学习得到的特定描述模型准确刻 画了具有复杂运动模式的特征点集的变化，保证了子空间约束的有效性。对运动模式简 单的特征点集的跟踪则采用基于光流的算法，以提高算法的效率，也为基于特定描述模型 的跟踪算法提供了更准确的起始搜索位置。对跟踪结果进一步应用子空间约束解决跟踪 中的开孔问题和消除跟踪误差。实验结果表明，在存在较大脸部变形和部分特征点纹理 不丰富的情况下，该方法可以有效地跟踪较密集的面部特征点。 关键词 面部特征点跟踪，光流，运动模型，子空间约束 方法通常在参考帧中选择一组特征点，假设特征点 0 引 言 纹理在帧间保持不变，然后通过局部匹配搜索完成 跟踪任务。在基于光流的特征点跟踪领域， 和 Lucas ［］ 面部特征点跟踪是智能人机交互领域的研究热 Kanade 6 采用平面位移运动模型来匹配立体视计算 ［］ 点之一，同时也是通过图像序列感知面部运动信息 中的对应图像。 （ ）算法 7 Kanade-Lucas-Tomasi KLT 的重要方法。很多视觉应用，如基于图像序列的三 采用图像灰度差的平方和（ ）作为特征点的匹配 SSD 维人脸建模、面部表情分析等，都倚重于准确的面部 准则。KLT 算法被广泛应用于特征点跟踪问题中， ［］ 特征点跟踪技术。 8 并且提出了很多改进方案 。基于光流的方法虽然 特征点跟踪方法主要可以分为基于特定描述模 有较高的求解效率，但对纹理变化复杂的情况，常由 型（以下简称模型）的方法和基于光流的方法。基于 于误匹配而造成被跟踪点的丢失。 模型的方法通常对特征点进行描述性建模。利用模 本文提出了一种人脸特征点跟踪算法。该方法 型从每帧图像中选择具有物理对应关系的相同特征