论文部分内容阅读
对视频中的人脸进行实时定位和跟踪具有重要的研究意义和应用价值。本文以表情互动应用为背景，针对人脸定位和动作跟踪问题开展研究。在研究工程中，充分考虑到实际应用的需求和现有算法中存在的不足，提出了新的算法或对相关算法进行改进，获得了具有一定价值的研究结果。论文的主要内容和贡献如下：
(1)提出了一种适合于实时视频应用的基于眼睛检测的人脸定位算法，以及一种快速眨眼检测算法。在基于AdaBoost的分类器进行眼睛检测结果基础上，提出了一种基于检测结果之间距离量度的聚类算法去除误检。然后进一步精确搜索眼球中心位置，提取多种图像特征，建立动态更新的统计模型，使用Dempster-Shafer证据理论对每种特征对应的似然度进行合成，得到眨眼检测结果。实验结果显示，基于聚类的双眼定位算法在具有较高精度的同时，显著提高了定位速度；基于融合的眨眼检测算法也达到了较高的准确率。
(2)提出了一种使用运动历史图进行运动预测，改善对剧烈运动的人脸进行跟踪的稳定性的方法。通过对运动历史图进行分析，提出了一种基于黄金分割优化方法的运动方向和速度估计算法，相对已有的算法，能更好地克服物体边缘方向对运动估计的影响，得到更好的运动估计结果。对运动估计结果进行修正后，提出了两种不同的方式，将其与基于主动表观模型的人脸跟踪算法结合。结合之后的算法可以显著减少跟踪过程中失败的次数，提高头部剧烈运动时的跟踪稳定性，同时，运动预测也能减少跟踪算法迭代次数，提高了速度。
(3)提出了一种基于粒子滤波和特征匹配的三维头部跟踪算法。使用基于主成份分析的可变形三维网格模型，通过最小化网格模型上的关键点与输入图像上的对应关键点的距离，使模型拟合使用者的头部形状。利用三维模型以及初始化阶段获得的人脸纹理，可以渲染出不同姿态下的人脸图像。在渲染出的图像中选择特征点，并在输入图像上搜索对应位置，使用RANSAC方式去除特征匹配错误，然后根据特征点之间的对应关系估计模型姿态变化参数，实现粒子状态更新。使用平均归一化互相关计算渲染图像与实际图像的距离，实现粒子权重的计算，获得跟踪结果。实验表明，这种跟踪方法可以有效地对视频中的三维头部姿态进行跟踪。
(4)提出了一种改进的基于图像对齐的三维头部姿态和面部动作跟踪算法。算法使用三维人脸模型获得形状无关纹理，与初始化阶段建立的在线纹理模型进行对比，通过最小化两者的差距求出姿态和动作参数，并使用离线学习得到模型对跟踪结果进行评估。为了提高姿态跟踪的精度和稳定性，算法对Candide-3人脸模型进行了扩大，提出了使用了形状无关纹理的可信度指标及在线纹理模型的初始化完成度指标的方法，对人脸模型跟深度相关的形状系数进行估计的方法，以及对表情变化引起的人脸纹理改变进行处理的方法。为了克服非均匀光照和光照强度变化对图像对齐造成的干扰，提出了分片Gamma变换图像处理算法。为了提高跟踪速度和精度，提出了简化计算梯度矩阵的方法。实验表明，通过应用上述各种改进，跟踪算法在速度、精度、稳定性方面都获得了提高。