基于主动形状模型的实时人脸特征点定位方法研究及实现-计算机视觉专业论文.docxVIP

上海交通大学硕士学位论文 上海交通大学硕士学位论文 万方数据 万方数据 III 目 录 第一章 绪论 - 3 - 1.1 研究的背景及意义- 3 - 1.1.1 研究背景- 3 - 1.1.2 研究意义- 4 - 1.1.3 主要挑战- 5 - 1.2 国内外研究状况- 6 - 1.3 主流的特征点定位方法- 7 - 1.4 论文的研究内容及组织结构- 8 - 1.4.1 研究内容- 8 - 1.4.2 论文的组织结构- 8 - 第二章 人脸特征点检测相关研究- 10 - 2.1 经典主动形状模型- 10 - 2.1.1 主动形状模型介绍- 10 - 2.1.2 形状和形状模型- 10 - 2.1.3 对齐操作- 11 - 2.1.4 主动形状全局模型- 12 - 2.1.5 局部纹理模型和局部搜索策略 - 13 - 2.2 主动外观模型的介绍- 18 - 2.2.1 主动外观模型概述- 18 - 2.2.2 AAM 的模型建立 - 18 - 2.2.3 主动外观模型的拟合匹配过程 - 23 - 2.3ASM 与 AAM 的比较与选择- 24 - 2.4 人脸数据库介绍- 24 - 2.4.1 IMM - 25 - 2.4.2 JAFFE - 28 - 2.4.3 FRANCK database- 30 - 2.5 本章小结- 32 - 第三章 基于改进的 ASM 实时特征点定位算法及实时抓取特征点时的优化方案 - 33 - 3.1 已有 ASM 算法改进方法 - 33 - 3.1.1 基于全局形状模型的改进 - 33 - 3.1.2 基于局部纹理模型的改进 - 34 - 3.1.3 基于图像搜索匹配的改进 - 35 - 3.1.4 基于模型和图像搜索匹配综合改进 - 35 - 3.2 算法优化- 36 - 3.2.1 算法介绍- 36 - 2.2.2 算法改进- 38 - 3.2.3 实验及结果分析- 38 - 3.3 实时特征点定位算法改进- 40 - 3.3.1 利用上次定位的特征点作为下次特征点匹配的初始点 - 40 - 3.3.2 消除背景影响优化匹配结果 - 42 - 3.3.3 实验结果及分析- 43 - 3.4 本章小结- 43 - 第四章 用于特征点定位的工具系统- 45 - IV 4.1 工具集的介绍- 45 - 4.2 标记工具- 46 - 4.2 训练与匹配工具- 47 - 4.3 测试工具- 48 - 4.4 本章小结- 50 - 第五章 系统原型- 51 - 5.1SVM 基础知识 - 51 - 5.1.1 支持向量机- 51 - 5.1.2 支持向量机的多类分类策略 53 LIBSVM 介绍 55 LIBSVM 的使用 55 5.2 软硬件环境 56 5.2.1 软件环境 56 5.2.2 硬件环境 57 5.3 特征点定位在性别识别中的应用 58 5.3.1 性别特征提取方法介绍 58 5.3.2 在局部特征抽取基础上的性别分类59 5.3.3 用支持向量机进行性别分类 60 5.3.4 分类器的训练 61 5.3.5 对于新图片的分类 63 5.4 本章小结 63 第六章 结束语 65 6.1 主要工作与创新点 65 6.2 后续研究工作 65 V 基于主动形状模型的实时人脸特征点定位方法研究及实现 摘要 人脸检测是模式识别领域具有广泛的应用潜力的一个重要课题。 随着社会和科学技术的发展，有效的自动验证的需求日益迫切。与其 他人体生物特征相比，面部特征，具有直接，友好，方便的特点。 面部特征点定位是人脸检测的一系列应用的基础。经典的主动形 状模型已在这方面被广泛使用。然而，它不但速度不够快，也不能满 足实时应用的准确性要求。最重要的是使用主动形状模型是复杂的， 需要做大量的工作。 为了解决以上问题，我们提出了一个改进的主动形状模型进行面部 特征提取。在这个策略中，原来的主动形状模型的搜索特征向量从 2 维扩展到 4 维。同时，使用脸部判断方法以提高视频流图片的实时拟 合准确度。实验在 IMM 的人脸数据集和 FRANCK 数据集的基础上对 经典和优化这两种算法进行对比试验，结果显示优化后的策略比经典 主动形状模型在视频中取得更好的结果。我们还提供了一个工具集， 使主动形状模型算法更容易运用到应用程序中。本文展现了工具集的 设计和应用过程。它包括标记工具，训练工具，匹配工具和测试工具。 标记工具是用来标记在人脸图像的特征点并将其保存到文件中。训练 和匹配的代码是在贾沛博士代码的基础上进行改进的。测试工具是用 来将图片按人名分成不同的几个小组，并应用交叉验证的方法来测试 匹配特征点的准确度。使用