基于主元分析和肤色特征的人脸嘴部区域的自动定位及分割论文.pdfVIP

70 王琢玉等基于主元分析和肤色特征的人脸嘴部区域的自动定位及分割 基于主元分析和肤色特征的人脸嘴部区域的 自动定位及分割 王琢玉，贺前华 (华南理工大学电子与信息学院广州510640) 摘要：本文采用了一种基于主元分析的人脸目标区域的定位及分割的方法，首先对训练集中的头肩半身像通过手工定位嘴 最后利用主元特征，通过最小剩余误差能量的判决准则进行人脸嘴部区域的自动定位和分割．实验证明此方法具有简单易实 现，定位精确度高，鲁棒性好的优点。 关键词：主元分析；特征嘴；色度空间：Gaussian肤色模型；最小剩余误差能量 取的研究过程中，通过分析和学习诸多前人在人脸 0引言 特征点定位方面的算法，总结性地提出了一套简单 ． 近年来，人机交互技术日益成为研究的一个热 有效的方法，实现人脸嘴部区域的自动定位和分 点，如何解决在噪声条件下语音识别系统性能急剧 割，为下一步视频特征提取奠定了基础。实验结果 下降的问题越来越受到重视，由此一种新兴的音、 表明，此方法具有受亮度影响小，定位精确度高， 视频相结合的双模态语音识别系统应运而生。在这 鲁棒性好的优点。 种应用于噪声环境下的语音识别系统中，唇读技术 能有效地降低噪声的影响，通过视觉通道来补充仅 1用主元分析法(PCA)提取特征嘴 i 取决于听觉通道的信息量，从而提高语音识别系统 (Egenmouth) 的识别率。而如何准确地将人脸和嘴唇实时检测和 揪(principalcomponentanalysis／PCA) 定位，是一切唇读系统的首要任务。然而，由于不 的思想来源于K-L变换，目的是通过线性变换寻找 同人的嘴唇形状、颜色不同，而且同一个人的唇形 一组最优的单位正交向量基(即主元)，用它们的线 也会因说话人形变、头部运动、光照等因素的影响 性组合来重建原样本，并使重建后的样本和原样本 而改变。这就使得在视频图像中快速、精确、鲁棒 的误差最小。主元分析方法在最佳特征提取和数据 的定位嘴唇仍然有相当的困难。20世纪90年代以 压缩方面是很有效的，在很多方面都得到了广泛的 来，关于在给定一幅图象中进行人脸目标区域如 应用。通过将原图像近似地表示为少数主元图的线 眼、嘴等人脸特征的提取的研究越来越多，国内外 性组合来实现压缩的目的，在特征提取方面，可将 的很多研究人员在从事这一方面的研究，并提出了 样本由高维的数据空间通过特征提取的方法去除 很多解决方案。如：文献[1]直接利用经典的模板 随机向量的相关性，从而使样本在低维的特征子空 匹配方法，通过训练己有的图象数据提取了一套可 间中分布更为紧凑，为数据的更好描述提供了手 以刻画脸部各特征的滤波器模板，该算法虽有较高 段，以利于后续处理。在此，我们参考文献[6]的 的精确度，但过于复杂。文献[2]利用灰度信息进 方法进行训练数据的提取。 行唇动检测和定位，由于唇色和肤色的灰度信息差