基于统计模型的人脸面部特征定位方法的研究

• 作 者: 邓琳
• 机 构: 电子科技大学
• 出 处: 电子科技大学
• 发表日期: 2006年期
• 关键词: 人脸面部特征定位 主动形状模型 主动表观模型 主成分分析 独立成分分析

人脸面部特征定位是实现人脸图像分析的关键,它已经被广泛应用于人脸识别、三维人脸重建和人脸图像压缩。主动形状模型和主动表观模型是进行人脸面部特征定位的有效的统计方法。近年来这两种方法已成为图像处理和计算机视觉领域的研究热点。本论文所做的主要工作是研究基于主动形状模型和主动表观模型的人脸面部特征定位技术。论文的创新性成果包括:1.提出了一种改进的主动形状模型,并将其用于人脸面部特征定位的研究。主要工作如下:详细地介绍了主成分分析和独立成分分析的基本原理和主要特点,并根据主成分分析和独立成分分析各自不同的优化准则,将两者相结合提出了一种新的人脸面部特征搜索策略。首先采用基于主成分分析的主动形状模型进行人脸特征提取,这样就得到了人脸图像的全局变化。在此基础上,采用基于独立成分分析的主动形状模型进一步对人脸局部特征变化进行定位,从而得到最终的收敛结果。实验结果表明,改进的主动形状模型既可以对人脸的全局变化进行准确定位,而且也可以很好的反应人脸的局部变化。它和标准的主动形状模型相比,准确性和鲁棒性都得到了明显的改善。针对于不同光照和表情的人脸图像,该方法均可得到理想的人脸表示。2.研究了一种新型的主动表观模型—基于独立成分分析的主动表观模型,并将其应用于人脸面部特征定位。论述了形状模型、纹理模型、表观模型的建立过程,并对纹理参数进行了详细的分析,同时具体介绍了主动表观模型的搜索算法的原理和实现过程。结合实验,详细阐述了纹理差值与表观参数变化及模型位置、角度、尺度之间的线性关系。实验结果表明,该模型与标准的主动表观模型相比,局部形状定位和纹理匹配的准确性都得到了明显的改善。随着初始值平移范围的增大,基于独立成分分析的主动表观模型显示了更好的鲁棒性,从而说明该模型对于初始值的变化具有良好的稳定性。