论文部分内容阅读
人脸特征定位是面部信息感知的关键,它的研究在人机交互和可视化操作等方面有着重要的作用。人脸特征定位就是利用计算机在输入的待搜索图像中通过特定的算法自动搜索出人的面部关键特征的位置,即人的五官的位置,并对五官及人脸的整体形状进行描述。人脸特征定位是人脸识别的一个重要过程,而且在其它人脸分析过程中也有着重要的作用,使其成为计算机视觉和图像处理等领域的研究热点。
人脸特征定位的方法种类繁多,比较流行的是基于主动形状模型(ASM)的方法。主动形状模型是一种基于模型的方法,它通过训练建立起先验的形状统计模型和局部纹理模型,然后利用这些先验模型搜索出期望的结果。主动形状模型与其它方法相比,无论是效率还是准确性都有一定的优势,具有较高的可靠性。但是,当人脸有姿态变化、光照变化、胡子或眼镜遮挡的时候,主动形状模型的定位效果也会有所降低。
本文主要针对有姿态变化的人脸特征定位问题进行研究,通过对经典的主动形状模型的标定特征点、建立形状模型、建立灰度模型等几个过程进行详细分析,总结出主动形状模型存在的一些不足,并提出一些改进措施。首先,提出在搜索过程中增加旋转因子R对人脸的形状参数b进行初始化,使得当人脸有姿态变化时,能自动调整人脸形状偏转的方向,缩小初始图像与目标图像的距离。然后,融合局部二值模式(LBP)算子建立起局部灰度模型,由传统的统计一维的纹理信息改为统计特征点周围的二维纹理信息,这样能提取更多有用的纹理信息,提高定位精度。最后,将改进的LBP算子——动态阈值LBP算子融合到主动形状模型中,对图像的纹理信息作更准确地描述,进一步提高ASM的定位精度。
本文在标准人脸特征定位数据库IMM上对改进的主动形状模型方法进行实验测试,并将实验结果与经典的ASM方法进行对比,实验结果表明,本文提出的改进的ASM方法是有效的。