复杂背景下人脸特征点跟踪算法研究 研究生毕业论文工作安排计划.docVIP

西 南 交 通 大 学 研 究 生 毕 业 论 文 工 作 安 排 计 划 姓 名 学 号 导师姓名 职 称 教授 专 业 计算机应用技术 研究方向 计算机视觉技术 论文题目 复杂背景下人脸特征点跟踪算法研究 论 文 的 理 论 意 义 和 实 际 意 义 随着机器视觉和人工智能的快速发展，如何让机器能逐渐模拟人的思维，并付诸实践，是一个长期有待解决的课题。在机器视觉中，人脸在我们的日常生活中又提供了丰富的视觉信息，人脸的面部信息常用在视频监控、表情分析等实际问题中。因此，国内外很多学者对人脸这一对象进行了大量的科学研究，其中，做人脸跟踪的更是核心之重。人脸跟踪指的是在一系列的视频流中，能够准确的检测、识别、跟踪某个特定的人脸，从而提取出人脸的位置信息和表现参数，从而对特定人脸进行实时跟踪的过程。与人脸跟踪不同的是，人脸特征点的跟踪除了确定人脸在每一帧的大致位置以外，还要提供人脸部件(如眼睛、鼻子、眉毛等)的特征点位置。人脸特征点跟踪的目的是通过对拍摄的视频序列进行分析，计算出特征点在每帧图像中的二维位置，并将图像序列中不同帧中同一个人脸特征点关联起来得到各个人脸特征点完整的运动轨迹。人脸特征点的跟踪是为以后视频监控、人脸表情分析、人际交互研究的基础，研究意义很大。 但是在现实生活中，各种因素制约着人脸特征点的实时跟踪，比如来自光照、表情、姿态等复杂环境下的变化，给人脸特征点的跟踪准确性带来了极大的挑战，如何改善这些因素的影响，有效的实时跟踪，国内外很多学者进行了深入研究，有的虽然很好的改善了光照，但是在姿态下，跟踪效果并不明显，针对以上各种因素的干扰，需要研究一种鲁棒、准确、高效的特征点跟踪算法，尤为重要。 目前针对特征点跟踪主要采用的方法有三种：基于底层特征的跟踪方法(如颜色、纹理、形状等)、基于模型匹配的方法（如2D、3D建模、AAM、ASM等）、融合各种特征的粒子滤波跟踪方法。不过国内针对粒子滤波跟踪特征点的研究比较少，还有很大研究空间，关键是如何在各种传统方法的基础之上，利用粒子滤波的框架，如何高效的实现特征点的跟踪，并有效改善复杂环境下对跟踪带来的干扰，还有待提高。 本课题的研究可以为复杂环境下人脸特征点的实时跟踪提供有效的改进方法，从而改善当前跟踪过程中出现的光照、姿态、表情变化带来的干扰，满足算法的实时性，鲁棒性和精确性，为以后的人脸表情分析和人际交互处理提供方法支持，具有重要的应用价值。 论 文 工 作 的 具 体 安 排 2013年4月前：收集资料，阅读大量相关的国内外文献。 2013年4-8月：研究人脸特征点跟踪算法与粒子滤波框架，对人脸特征点跟踪处理算法与粒子滤波框架进行有效结合，并编写实验程序。 2013年9-12月：进行实验，研究实验结果，计算均方根误差和跟踪正确率评价指标，评价跟踪算法在光照、姿态、表情变化条件下的实时性、准确性、鲁棒性等问题。 2014年1-3月：综合研究成果，开始撰写学位论文，并修改学位论文。 2014年4月：完成学位论文，准备答辩。 完成论文所具备的条件（如实验、上机、加工等条件） PC机、网络摄像头、图书馆书籍、检索和阅读最新的国内外期刊文献、最新科研成果。 经 费 预 算 和 经 费 来 源 经费预算：（单位：元） 资料费：1500 论文版面费等：2000 打印复印费：1500 答辩开销：1000 共计：6000 经费来源： 国家自然科学基金项目，编号 指 导 教 师 审 核 意 见 人脸特征点跟踪是解决人脸表情识别和视频监控目标跟踪的基础,是当前一个重点研究课题。利用粒子滤波框架和KLT等算法相结合来处理人脸特征点，能够从一方面有效的克服光照、表情、姿态变化带来的跟踪干扰，改善跟踪失败的问题，另一方面为视频监控中目标的实时跟踪分析提供了前提条件。本课题拟讨论基于粒子滤波框架下的人脸特征点跟踪处理方法，在选题上具有前沿性、创新性和科学性。本报告研究任务明确，对研究背景阐述的较为清晰确切，拟定的技术路线合理可行，有望达到预期的研究目标。综上，同意开题。 指导教师签字： 年 月 日 教 研 （ 研 究 ） 室 审 核 意 见 院、系（所）领导审核意见