论文部分内容阅读
本文研究了单人脸姿态自动估计的技术。由于在身份鉴别、人机交互、图像检索和视觉监控等领域有着巨大的应用前景,人脸识别技术成为计算机视觉、模式识别等研究领域中一个很受关注的研究热点。
人脸模式错综复杂,人脸识别特别容易受到人脸角度的干扰,所以在进行识别前先自动计算出人脸的三维姿态,将会大大提高人脸识别的精度和速度。现有的人脸三维姿态估计方法可大致分两类,第一类是基于统计分类的方法,第二类就是基于几何特征的方法;第一种方法对统计样本要求很高,而第二种方法需要人工标定人脸几何特征点,这两种方法都需要人脸的辅助信息,无法应用到自动人脸识别系统中去。
本文分析了肤色分割常用的颜色空间和肤色模型,提出基于概率阈值法的自适应肤色分析算法,此算法先将输入图象按照背景不同分为两类,然后根据不同类别完成肤色分割,最后利用灰度特征滤波器去除分割区域的躁声。第二步就是利用基于GA和Adaboost的多模板融合算法来实现人脸区域的精确定位,主要是先用boost-filtering算法来提取人脸特征点,然后在肤色分割限定的区域内用GA搜索人脸区域,最后用Adaboost算法去掉误检区域,并用融合算法将区域进行扩展得到人脸检测结果。第三步就是利用人脸检测的结果,用基于“特征眼”的人眼定位算法和积分投影法来完成人脸特征点的精确定位。第四步就是根据小孔成像原理和人脸旋转模型提出基于人脸特征点位置的三维姿态估计算法,此法是将人脸旋转模型分解成绕X轴Y轴Z轴三个部份,然后分别利用人脸特征点之间的关系计算出三个旋转角度。
实验结果表明,整个算法能够满足自动计算的要求,实现了人脸区域的精确定位,而且定位算法对眼镜和光照影响都有很强的鲁棒性,基于“特征眼”的人眼定位算法达到很高的定位精度,三维姿态估计算法有比较高的计算精度。