基于AAM人脸特征点标定.docVIP

基于AAM的人脸特征点自动标定 摘 要：由于具有三维扩展性好、特征点定位准确以及最高可达230帧/秒的处理速度等优点，AAM（主动表观模型）被认为是人脸特征点定位方法中一种有效的方法。针对经典弹性图匹配算法中人脸特征点的定位问题本文提出了一种利用机器自动标定来代替传统的手工标定人脸特征点的算法。实验结果表明算法可以有效地定位出人脸特征点，并且定位结果稳定。 关键词：AAM主动表观模型 特征点自动定位 人脸识别 Abstract:.AAM has been regarded as a kind of effective human facial feature points locating methods because it has good 3D expansibility,good locating effect and fast speed which reaches 230 frames per second.For feature points positioning of human face in classical elastic graph matching algorithm,this paper proposed automatic calibration algorithm by machine to replace the traditional manual calibration facial feature points.Experimental results show that the algorithm can effectively locate the facial feature points,and it has stable positioning results. Key words：AAM(Active Appearance Model) Automatic positioning Face Recognition 0 引言 人脸识别的研究与指纹识别、视网膜识别等同属于生物特征识别技术范畴，在安全检查、安保管理等方面有着十分重要的应用价值。近年来，人脸识别方法及其应用逐渐成为了研究热点。人脸识别是利用计算机技术对人脸图像进行分析与处理，从中提取有效的识别信息。作为身份辨认的一种生物特征识别技术，它的突破性进展将推动图像处理、模式识别、计算机视觉、神经网络等诸多学科的发展。 由于人脸的表示具有多样性和唯一性，对人脸特征的提取既要保持这种多样性和唯一性，又要实现有效地图像数据降维。另外，人脸识别系统的正确率和鲁棒性不仅取决于采用什么样的分类器，而且在更大程度上取决于采用什么样的特征来描述人脸。所以人脸特征提取显得相对重要，在人脸特征提取过程中应用比较多的是PCA、ICA方法，以及一些对于这种方法的改进，比如2DPCA、KPCA、K2DPCA、2DLDA等等，这些方法都是一些比较好的人脸特征提取方法。但是，由于PCA方法是一种以全局的方式来描述人脸特征的方法，而这种方法对于那些光照、姿态等变化较大较明显的人脸特征不能得到有效的描述。近年来，局部特征被认为对人脸的光照、表情和遮挡等变化不敏感，因此也被越来越多的人用于人脸表示。其中包括基于LBP的特征提取方法、基于主动形状模型ASM的特征提取方法和基于主动表观模型AAM特征提取方法。特别是AAM方法，最近在很多公开数据库上和性能评测中取得了非常好的结果，被认为是人脸特征点定位最主要和最有效的方法之一，并得到了众多研究者的关注。 1 基于主动表观模型AAM的特征提取方法 主动表观模型(Active Appearance Model, AAM)是近年来在特征提取领域得到广泛应用的一种快速有效的方法。基于AAM的人脸特征提取方法不但考虑了局部特征信息，而且考虑了全局的形状和纹理信息，通过对人脸的形状特征和纹理特征进行统计分析，建立对应的AAM模型，对被测人脸对象进行特征点定位时，结合“合成-比较-调整再合成-再比较”这样一个图像拟合(imagefitting)策略，往往能够实现快速而又准确的人脸特征点定位。AAM的思想并不是偶然产生的，它是随着相关领域内相关技术的发展而产生并且逐步成熟起来的。如何在复杂的环境中实现快速准确的定位、如何最大限度的利用已有的信息是人们对人脸特征点定位技术的必然要求，AAM符合这些要求，因此基于AAM进行人脸特征点定位的方法也应运而生。 由于本人主要研究方向是基于人脸图像的性别识别，所以使用AAM方法进行面部特征提取也主要考虑男性和女性在人脸面部的显著特征。AAM方法往往需要一些先验知识，比如按照传统经验，男性和女性在脸部结构上区别比较明显的有：女性的脸庞轮廓较为柔和，而男性的则较为刚直；女性的