人脸主动形状模型的建立与分析.pdfVIP

2005年全国自动化新技术学术交流会会议论文集 人脸主动形状模型的建立与分析 许江涛， 金立左 (东南大学自动控制系，南京210096) 摘要：主动形状模型是一种有望用于人股识别的可变形模型，本文研究人脸主动形状模型的建立，介 绍了数据配准及主成分分析算法，分析了模型控制参数对改变人脸姿态的作用。 关键词：人脸识别；主动形状模型；数据配准；主成分分析 中图分类号：TP391文献标识码：A 0引言 人脸识别是一项难度较大、具有广泛应用前景的技术。主动形状模型(ActiveModels— Shape ASM)【11是一种有望用于人脸识别的可变形模型，它主要利用形状统计学方法【2】，对人脸轮廓及 其它特征点进行统计分析，根据统计结果建立统计形状模型。建立ASM模型首先需要一组标有特 征点的图像(训练集)，对训练集进行统计处理，并定义能量函数，通过调整模型参数使能量函数最 小化达到建立模型的目的。 本文主要研究人脸主动形状模型的建立，介绍了数据配准及主成分分析算法，分析了模型控制 参数对改变人脸姿态的作用。通过对模型的分析与研究，我们发现模型控制系数可以在一定程度上 改变人脸的姿态，对人脸规范化等研究有很大的帮助。 1 数据配准 为建立ASM，需要一组标有n个特征点的N幅人脸图像(可包括多个人、相同表情和姿态的 图像)作为训练数据。特征点可标记在人脸外部轮廓和器官边缘，如图1所示。将标记的n个特征 n=20)。 图1标有特征点的人脸 为研究训练图像的形状变化，比较不同形状中的对应点，对训练图像应先进行配准(aligning) 【3】(否则就不是“相像与相像的”比较)。校准以某形状为基准，对其它形状进行变换(如旋转，缩放 及仿射变换)与平移使其尽可能与基准形状接近。通过配准使每个形状与“平均”形状间的距离 (D：∑k—xI。)最小，其中“平均”形状可以从样本集计算得到，以下简单介绍两个形状的配准过程， 各形状用有N个坐标对的向量表示： X=(zl，Y1，．一，X☆，Y々，…，x。，Y。)7 作者简介：许江涛(1979一)，男，硕士生；金立左(联系人)，男，副教授，izjin@SeLl．edu．cn 68 2005年全国自动化新技术学术交流会会议论文集 ———————————————————————————————————————————————————————————————————————————————————————————————一 形状x’的变换丁由平移(tx,t。)和仿射组成，表示为 丁(；：)=(喜 三)(；：)+(Z] 最优变换(a，b，c，d，tx，tv)通过最小化以下能量函数得到： 应用最小二乘法，能量函数E对变童a，b，C，d，tx，七v求偏微分并令其为零计算参数，也可通过合并同 类项并提取参数，并令方程为零来求解，具体的算法如下： 1) 首先对每个初始样本x‘进行处理，使样本重心为零(即X‘·1=0，·表示向量内积)，然 后单位化各向量，即使ⅣI=1； 2)对处理后的样本，任选一个作标准，剩余样本分别与该样本作配准，如选择x1作标准，甩 z‘，f=2，…，M样本逐个对x‘作配准，得到新集合(x1，x2，…，x肘)。 3) 计算变换后形状的平均值： 一 1芒r 和 y’j．，j=l甜，．N 功2万备xj --y|=面I套M 4) 将得到的平均形状作仿射变换并与前面选作基准的向量再作一次配准。 5)如果平均形状收敛，则停止，否则跳到3。 该算法步骤3是必须的，否则它将是病态的(约束不足)(4】，结果不收敛。收敛判据是重新配 准的形状与平均值间的差别是否小于预选阈值。 2 ASM模型的建立与分析 数据配准完毕后，进行主成分分析【5】，过程如下：