一种改进贝叶斯切线模型人脸对齐算法.pdfVIP

一种改进的贝叶斯切线模型的人脸对齐算法 李丽娟，石红伟，王爱云 湖南大学计算机与通信学院，长沙（410082 ） E-mail: momentt@163.com 摘 要：本文论述了一种新的人脸对齐的算法--改进的贝叶斯切线模型。该算法首先从形状 参数中分离出姿态参数和身份属性参数，对这两个参数分别处理，然后通过引入曲率半径作 为该特征点搜索的象素个数实现动态搜索。实验表明，该算法可以弥补BTSM不能很好的处 理多姿态的人脸图像对齐的缺陷，而且可以提高搜索精度以及减少搜索时间。 关键词：人脸对齐；人脸识别；贝叶斯切线模型 中图分类号: TP 311 文献标识符：A 提出了一种改进的人脸形状匹配算法，主要 1 引言 包括两方面的内容，1）修改形状的更新模 目前，关键点定位是人脸识别中的一个 型，从形状参数中分离出姿态参数和身份属 重点也是难点，特别在成像条件中的光照、 性参数，可以达到多姿态的特征匹配；2 ） 表情等变化比较大的情况下，关键点定位显 通过引入一种曲率半径，对各个器官进行动 得更困难。因为关键点定位偏差较大将会导 态搜索，一方面可以弥补器官在比较集中的 致“鬼脸” 的现象发生，所以人脸的关键点定 地方出现伪收敛的情况，另一方面可以减少 位非常重要。现有的人脸定位方法比较多， 搜索时间。实验证明：改进算法对多姿态的 但这些方法只能给出很少的特征点，且不太 人脸图像也可以达到很好的效果，而且估计 鲁棒。1991年cootes[1]首先提出了主动形状 误差较小，在部分关键点处可以减少搜索次 模型（Active Shape Model ，ASM ），该方 数以及提高搜索的准确度。 法能够很好的提取正面人脸的轮廓特征，达 到很好的效果。 2 BTSM 的基本思想 ASM是典型的人脸轮廓特征提取方法， ASM模型是Cootes在点分布模型的基础 通过对标注好的训练数据进行分析，得到人 上，结合局部灰度观测模型和启发式搜索， 脸形状模型。然后对新的图像进行轮廓匹 提出一种表述物体形状和轮廓的参数化统 配，得到新图像的轮廓特征点[2][3] 。但是ASM 计模型。但是传统的ASM 模型在采用PCA 模型在采用主分量分析 (Principal 建立模型时，没有考虑重建误差，而BTSM Component Analysis ．PCA)建立模型时，仅 模型在采用PCA描述模型的基础上，建立了 仅采用了较大的特征值和对应的特征向量， 一个基于重构误差的分布模型，比ASM 模 残差部分设为零，引起人脸轮廓特征点提取 型更为精确，BTSM 算法[4][5] 的主要思想如 的一些偏差。2003年Leon Gu[4]等在此基础 下： 上提出了BTSM （Bayesian Tangent Shape 2.1 对图像的样本标注和归一化 Model ）进行人脸轮廓提取，其基本思想是 人脸的特征点一般采用表示人脸的眉 通过对ASM 中的