基于分层约束的人脸局部特征检测1.PDFVIP

Chinagraph’2004 投稿论文 ______________________________________________________________________________________ 基于分层约束的人脸局部特征检测1 汤锋 王进 郭延文 彭群生 （浙江大学CADCG 国家重点实验室，浙江，杭州, 310027 ） E-mail:{tang; jwang;ywguo; peng} 摘 要 人脸的特征检测是计算机视觉、计算机图形学研究中的一个热点和难点。本文基于LFA 和 AAM 思想 提出了一种基于分层约束的人脸局部特征检测的算法，整个算法高效、鲁棒，结果精确。该算法首先利用 Adaboost 在图像上找到人脸的大概位置；然后用较粗糙的人脸全局模板，定位人脸各个特征的初始位置；最 后用精细的局部特征模板进行特征精确定位。通过自动匹配对应特征点，实现了人脸 Morphing ，得到了很好 的实验效果。 [关键词] 人脸检测，人脸识别，特征检测，人脸跟踪，人脸 morphing 1． 引 言 人脸的局部特征（眼睛，鼻子，嘴等）是人区别于其他人的重要特征，如何在图像和视频中检测到人脸的 这些局部特征很困难但具有重要的理论和实际意义，人脸识别是一个交叉学科，它的研究内容涉及计算机视 觉、模式识别、计算机图形学、图像处理、生理学、心理学、认知科学等。由于人脸的特征检测技术可采用非 接触式的、连续的和实时的方式，在国家安全、军事安全和公安、司法、民政、金融、民航、海关、边境、口 岸、保险及民用等领域具有极广阔的应用前景。人脸特征定位本质上是图像的匹配问题，它的困难体现在： 1）人脸光照条件的不确定性；2 ）人脸表情的多样性； 3 ）人脸姿态的不确定性；4)人脸饰物的影响（如胡 须、发型、眼镜、化妆等）。识别人脸主要依据脸部的整体和局部特征。 近年来研究者们提出了很多特征检测的算法，如Snakes，ASM ，AAM ，DAM等算法， AAM ，DAM等算 法在人脸的整体特征识别上取得了较好的效果，可是局部特征的识别尚不尽如人意。Penev[1-2]]通过大量实 验，发现了一个重要规律，提出了LFA （Local Feature Analysis ）思想：利用局部块识别人脸特征，大大优于 基于全局检测的识别结果（识别率分别为56%, 91% ）。基于该思想的技术已经成功的应用于Visionics公司（最 大的生物认证公司）的商业系统中。本文有机地将AAM算法和LFA 的思想结合了起来，得到了快速、鲁棒的 结果。LFA在局部特征跟踪上往往也会出现“跟丢”的现象，我们通过全局模板对局部模板的约束，克服了 LFA在局部检测上的局限，提出了一个分层约束的人脸局部特征检测算法，通过分层的约束搜索，能准确、鲁 棒、高效地找到人脸的各个局部特征。本文的主要贡献在于：1.提出了一个基于分层约束的人脸局部特征检测 算法，能快速、精确地检测出人脸特征；2. 利用Canny算子和基于SVM的肤色分割技术提高了Adaboost 的搜索 速度；3.将ICA和AAM结合起来，降低了特征子空间的相关性，提高了搜索精度 （约7% ）；4. 自动匹配对应特 征点，实现人脸Morphing 。 2 ． 相关工作 与本文相关的特征检测算法主要包括人脸检测和特征定位技术。 人脸的检测过程实际上就是对人脸模式特征的综合判断过程。Yang 等[3]根据色度的一致性将肤色象素聚 类成区域，然后逐步归并直到得到符合一定先验知识的椭圆区域为止，最后检查区域中是否含有由眼睛、嘴巴 等特征形成的暗区或空洞，以确定是否为人脸。Osuna 等[4]将支持向量基(SVM)方法用于人脸检测，取得了较 好的实验结果。该方法的基本思路是对每一个检测窗口使用 SVM 进行分类，以区分“人脸”和“非人脸”窗 口。SVM 的训练使用了大量人脸样本和“ 自举”方法[5]收集的“非人脸”样本，并且使用逼近优化的方法[6] 减少支持矢量的数量。需要说明的是， SVM 的训练需要求解计算复杂度极高的二次规划问题，限制了该方法 的应用。Viola[7] 提出了积分图象概念和基于 Adaboost 方法训练人脸检测分类器的方法，建立了第一个真正实 1 收稿日期：2004-04- ；