论文部分内容阅读
本文的研究工作包括人脸面部特征定位和人脸识别两个部分。在人脸面部特征定位的研究中,采用了基于主动形状模型(ASM)和主动表观模型(AAM)的方法。并在此基础上,提出了基于局部纹理模型和全局纹理模型相结合的图像解释方法来进行面部特征定位。在基于ASM的面部特征定位的研究中,本文对标准的ASM进行了改进。在特征点搜索过程中,提出了局部区域约束和边缘约束的搜索策略。提出了增加相关性的特征点标定策略并设计了一个半自动的人脸特征点标定工具,以提高特征点标定的精度及效率。实验表明,本文提出的改进的主动形状模型较为显著的提高了面部特征定位的精度。本文还研究了基于AAM的面部特征定位方法,分析了灰度模型参数及表观模型参数在人脸重构中的作用。通过对ASM和AAM原理及性能的综合分析,本文提出了基于局部纹理模型和全局纹理模型相结合的图像解释方法。该方法在利用ASM中局部纹理模型搜索方法的同时,又利用了全局纹理来进行合理性约束,并采用了基于全局纹理来进行形状预测的方法。为确定形状对纹理的匹配程度,本文提出了基于形状无关纹理子空间重构残差的匹配度评定标准。实验证明了这一标准的合理性。利用该匹配度评定标准,将基于局部纹理模型的搜索方法和基于全局纹理预测的方法有机的结合了起来,保证了搜索过程中匹配度的不断提高,从而提高了搜索方法的鲁棒性。 在人脸识别算法的研究中,本文研究了基于Fisher线性判别分析的人脸识别算法。该方法将基于主成分分析(PCA)的特征脸方法和基于线性判别分析(LDA)的分类方法有机的结合起来。单纯采用PCA方法来进行人脸特征的提取,得到的是人脸的最佳表示特征,但这些特征对于分类来说并不是最佳的。LDA方法在提取特征的过程中,充分利用了类别的信息,可以得到最利于分类的人脸特征。但人脸的原始特征空间维数很高,无法直接利用LDA方法提取分类特征。本文研究的算法首先应用PCA方法降低人脸特征空间的维数,然后运用LDA方法进行最利于分类的投影,来实现对人脸的识别。实验表明,采用该方法得到的识别率要远优于单纯采用PCA方法的结果。基于此算法,本文实现了一个针对视频图像的人脸自动识别系统。该系统集成了人脸检测、瞳孔定位、人脸识别等算法。通过对连续视频图像的分析实现了较为鲁棒的准实时的人脸识别。