论文部分内容阅读
在图像中检测人脸特征点位置，如眼睛、鼻子、嘴等，是人脸识别、人脸表情分析、三维人脸建模与仿真的一项重要任务，并且逐渐发展成为一项专门独立的研究课题。目前，在人脸特征点定位方法研究领域中比较典型的是基于模板匹配的方法，该方法分为训练阶段和定位阶段，采用人脸特征点的特征作为面部特征点模板，通过优化模板的配置实现人脸特征点定位。但是，由于面部方向旋转、特征的尺寸缩放、光照的变化不均匀等因素影响，往往会影响到面部特征部位特征点定位不是很好。从而，本文研究了关于模板匹配的方法，在此研究的根本上，分析了人脸特征点的形状特征和纹理特征以及两者之间的关系，并以提高面部特征部位定位精确度为目标，提出了一种基于多分辨率形变部位模型的面部特征部位定位算法。本文具体的研究工作如下： (1)本文提出了一种基于多分辨率形变部位模型的人脸特征点定位算法。该算法采用多分辨率级联架构，以方向梯度直方图特征作为形变部位模型的纹理特征，以基于树状结构关系的几何特征作为形变部位模型的形状特征，利用局部特征分类器和全局特征分类器筛选特征点备选位置，对备选位置评估形变程度，形变最小的备选位置即为人脸特征点定位结果。相对于传统的人脸特征点定位算法，本文提出了多分辨率级联架构，充分结合了不同分辨率中面部特征点特征的差异性，逐层丰富了面部特征点的特征，有利于提高面部特征点定位准确性;其次，本文提出了局部特征分类器和全局特征分类器的约束，引入了基于树结构关系的特征点相对位置特征作为全局特征，提高了全局特征分类器的鲁棒性，能够有效避免人脸特征点定位陷入极小值的现象。 (2)本文实现了基于多分辨率形变部位模型的人脸特征点定位算法。在MUCT标准人脸库上进行实验，并与其他三种现有人脸特征点定位算法在整体面部特征点定位误差率、单个特征点定位均值误差和最大误差以及定位效果图等方面进行实验对比。实验表明，本文提出的算法可以实现人脸特征定位，人脸特征点的整体定位误差在3％和6％之间，单个特征点定位的均值误差保持在3％和4％之间，单个特征点定位的最大误差率仅5％左右。特别指出是，本文提出的算法在带有姿态、表情、光照等因素变化的人脸图像上也能实现很好的面部特征定位。