人脸特征点检测方法研究-控制科学与工程专业论文.pdf.docxVIP

浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研宄工作及取得的研究成果。 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研宄工作及取得的研究成果。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得浙江大学或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。 学位论文作者签名： 孑噜帮 签字日期：知心年)月1]日 学位论文版权使用授权书 本学位论文作者完全了解浙江大学有权保留并向国家有关部门或机构送交本论文 的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江大学可以将学位论文的全部或部 分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇 编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文作者签名：砂／％印 导师签名； 签字日期：c山}r年)月i_7日 签字目期：切口年多月／7日 { 万方数据 摘 摘 要 人脸特征点检测是定位人脸图像上一系列事先定义的点，是对人脸图像进行分析的基 础与关键，并且在人脸识别、表情识别、性别识别、年龄识别、人脸动画、视频压缩等方 面有广泛的应用。在近几十年来，人脸特征点检测得到了广泛的研究，取得了大量的成果， 并在受控条件下取得了较高的检测率及定位精度。然而大量实验表明，现有算法在自然条 件下的检测率和定位精度均出现一定程度的下降，无法满足服务机器人自然人机交互时对 人脸图像分析的需求。在此背景下，本文开展自然条件下人脸特征点检测的研究，为人脸 识别、表情识别等方法在自然环境条件下的应用提供坚实的基础，以进一步提高服务机器 人人机交互智能性。 自然条件下的人脸特征点检测主要挑战来源于两点。一是成像条件的多变性导致人脸 外观变化存在高度非线性，给人脸特征点局部外观模型的建立带来极大困难。二是图像中 可能存在与特征点处局部外观相似的点，使得在复杂背景以及成像条件变化的情况下容易 产生误检测。本文针对上述两个难点，着重研究了人脸特征局部外观的建模、人脸形状的 建模以及人脸形状作为先验知识融合到人脸特征检测中以提高检测精度等问题。 本文的主要研究内容及创新点如下。 1．提出了一种采用GBPI图像描述及级联拟合算法的实时人脸特征检测方法。 考虑到许多人脸应用对实时性的要求，采用级联拟合算法对人脸特征点位置进行实 时估计。设计了一种几何模糊及姿态索引图像描述(Geometry Blurred Pose Indexed image descriptor，GBPI图像描述)对人脸特征点局部外观进行描述，并以随机蕨作为弱分类器， 训练两层的级联拟合器，对当前位置的局部纹理与对应人脸特征点的姿态，包括位置、方 向、尺度等进行拟合以实现目标特征点的定位，同时采用mean．shift算法对多个随机选择 的初始点所估计得到的目标人脸特征点位姿进行融合，得到最终的人脸特征点定位结果， 最后基于所估计的特征点位置及其离散程度对特征点的置信度进行评估以判断特征点是否 被检测到。实验结果表明所提算法在不考虑人脸形状约束的条件下，对人脸特征点的检测 成功率和定位精度接近现有考虑人脸形状约束的算法，与人工定位的精度相接近。同时所 提方法在仪表检测与数字识别中得到应用。 万方数据 浙江大学博士学位论文2．提出了一种采用马尔科夫随机场及连续隐变量模型的人脸特征检测方法。 浙江大学博士学位论文 2．提出了一种采用马尔科夫随机场及连续隐变量模型的人脸特征检测方法。 考虑到人脸形状约束对特征点定位的重要性，结合由概率主元分析得到的人脸形状概 率分布模型以及在通过级联拟合方法给出候选人脸特征点位置集合的基础上设计得到人脸 特征点观测模型，并以人脸形状模型的参数作为连续隐变量，计算给定人脸特征点候选位 置条件下人脸特征点位置的后验概率，并通过最大化该后验概率实现对人脸特征点位置的 估计。考虑到优化过程中可能陷入局部极值，采用马尔科夫随机场建立低阶人脸形状模 型，通过置信传播算法估计人脸特征点的初始位置。考虑到人脸形状在头部姿态变化下的 复杂性，通过k．means方法对人脸形状进行聚类分析，并在每个聚类上建立连续隐变量模 型，通过人脸特征点初始位置对模型进行选择。由于将人脸形状及特征点外观的模型参数 考虑为隐变量，所提出的方法对偏离人脸训练集的人脸形状有更好的适应能力。在LFPW 及LFW人脸数据集上的实验表明相对于级联拟合算法以及部分现有算法，所提方法在检 测率和定位精度上均有一定程度的提高。 3．提出了一种采用商斯混合模型的人脸特征检测方法。 考虑到人脸局部外观及人脸形状在头部姿态、表情、光照等变化下分布的复杂性