论文部分内容阅读
人脸作为一种自然形体具有很强的共性，其组成结构的变化很小。但人脸同时又是一种动态目标，受个体差异、表情变化、遮挡物等因素影响，其姿态和外观(如额发、眼镜、皱纹、胡须、妆容、伤痕等)有着丰富的变化；同时图像采集时的光照、设备条件等因素也会对人脸图像产生影响，这些原因造成了人脸图像非常复杂的变化模式。因此，尽管在过去的十几年中取得了很多的研究成果，人脸检测依然是一项难度很高的计算机视觉任务。
统计学模型能够反映目标形状一定程度的变化，可以较为有效地解决人脸由于个体差异及一定程度上的表情差异所产生的变化。其中，活动形状模型用点分布模型来描述目标实例的形状变化，并在搜索过程中引入了一组描述每个标志点周围局部纹理特征的灰度梯度分布模型。它可以适应相当多的变化，而同时又保持着它所代表的目标类别的特异性，因此近年来在人脸检测方面取得了较大发展。
本文的主要工作可以简单总结如下：
(1)基于活动形状模型算法构建了人脸的点分布模型；
(2)针对彩色图像，构建了每个标志点的rgb局部色彩模型，并以二维邻域代替了传统ASM方法的一维曲线邻域，为搜索过程提供了更多的环境信息：
(3)分别在HSI和YIQ色彩空间中建立了肤色和唇色模型，以此结合人脸器官的几何分布特征，通过迭代搜索，获取瞳孔与嘴部的位置；
(4)以基于肤色和人脸器官几何分布特征的检测方法获取的人脸图像瞳孔中心和嘴部中心，结合人脸器官几何分布的相关特征，确定活动形状模型搜索的初始模型参数，使ASM初始化的位置更加接近目标位置，较好地避免了活动形状模型的初始值带来的局部极值问题，并减少了搜索迭代的次数。
实验结果表明，本文改进的活动形状模型算法可以较好地应用于彩色图像，并有效地避免了局部极值问题的产生，降低了算法对初值与光照条件的敏感程度。