人头面部轮廓数学模型的研究.docx

哈尔滨工业大学学报JOUＲNALOFHAＲBININSTITUTEOFTECHNOLOGYVol.46No.11Nov．2014第46卷第11期2014年11月人头面部轮廓数学模型的研究吴伟国，闫云雪(哈尔滨工业大学机电工程学院，150001哈尔滨)摘要:针对现有图像处理技术中提取人脸轮廓线光滑性差的问题，提出一种人头面部轮廓的分段建模方法．通过轮廓特征点定义和轮廓分段，采用超椭圆、圆弧和抛物线等曲线建立了人头面部轮廓数学模型，选取100组5种脸型的真实人头面图像经图像处理及优化后，用获得的轮廓样本参数对模型进行验证．结果表明，对于任一样本，该模型在进行参数优化后都能保证模型平均误差在1．2%以下，最大误差在2．6%以下，验证了该模型的有效性和普适性．提出了基于该模型的脸型判定方法，给出了各类脸型的模型参数范围．关键词:人头面部轮廓;数学模型;超椭圆曲线;脸型判定方法中图分类号:TP391文献标志码:A文章编号:0367－6234(2014)11－0030－07Ｒesearchonmathematicalmodelforhumanhead-facecontourWUWeiguo，YANYunxue(SchoolofMechatronicsEngineering，HarbinInstituteofTechnology，150001Harbin，China)Abstract:Facecontourextractedbymostexistingextractiontechnologyhastheproblemofnon-smooth．Aimedatthissituation，ansegmentationmodelingmethodforhead-facecontourisproposed．Thepiecewisefunctionmodelisestablishedusinghyperellipticcurve，ellipticcurve，circularcurveandparaboliccurveaccordingtopointsdefinitionandsegmentationofcontour．Contoursample＇sparametersobtainedfromtheprocessingandoptimizationof100realhumanhead-faceimageswhichcontainsfivekindsoffaceverifytheeffectivenessanduniversalityofthemodel．Theresultshowsthattheaverageerrorisunder1．2%andthemaximumerrorisunder2．6%foreachsampleafteroptimizingthemodel．Finallytherangeofmodelparameterscorrespondingtoeachtypeoffaceisgivenbyfaceshapeclassificationbasedonthemathematicalmodel．Keywords:head-facecontour;mathematicalmodel;hyperellipticcurve;faceshapeclassification人脸轮廓是人脸重要的特征信息，其在各个领域的应用也越来越广泛．文献［1－3］针对下颌轮廓线的特点，研究了下颌轮廓线的提取与分类，利用抛物线模型和折线模型建立下颌形状模板，并将其运用于人脸识别系统，提高了人脸识别的正确率和识别速度．在人脸三维建模中，精确的面部轮廓线是模型建立的必要前提［4］．同时，人脸轮廓线在人脸检测［5－6］、人脸表情动画［7－8］以及面部整容医学等方面也有着广泛的应用，相比于通过对人脸皮肤颜色过滤的方法［9］更能够反映面部的真实特征，这使得对于面部轮廓线获得方法的研究成为国内外众多学者的研究热点．目前，常用的轮廓线获得方法有:可变形模板，该方法对面部器官轮廓的提取效果较好，但存在着初始值定位困难且计算复杂的问题;活动轮廓模型(Snake模型)［10－12］，该方法能够用于任意形状轮廓线的精确提取，但受参数初值的影响大，计算繁琐也制约了该方法的应用．此外，隐式的水平集、Cabor小波变换、Hough变换等方法也用于人脸轮廓的检测与提取，但得到的轮廓线连续性和光滑性较差;近几年，基于Snake模型的改进算法逐渐被学者提出，效果较好的是基于PGVFSnake模型［13］的人脸轮廓提取方法，该方法通过将梯度矢量场引入外部能量项，克服了传统Snake模型的收稿日期:2014－06－06．基金项目:国家高技术研究发展计划(2006AA04Z201，2012AA041601)．