随着移动机器人在服务领域越来越广泛的应用,人脸识别等比较友好的人机交互技术越来越受到关注。为满足实际机器人平台对运算实时性和有效性的要求,并提高人脸识别技术在不同光线、不同姿态下进行特征提取的准确性,本文对面向人机交互的人脸识别方法中所涉及的人脸定位、脸部特征检测以及特征跟踪等核心技术展开了研究。 本文概述了人机交互以及人脸识别技术的研究发展情况。首先解决了旋转人脸中心跟踪的问题,通过肤色识别和图像差分技术初步完成人脸总体轮廓范围的定位,降低了复杂背景环境的干扰。在此基础上利用梯度方向双边对称性和人脸生物学特征方法获得脸部中心对称轴等人脸特征位置,并将双眼中心作为人脸中心进行跟踪。该方法解决了因头部旋转所造成的脸部特征形变问题,对有旋转角度的特征提取具有较好的效果。 为了解决对脸部姿态跟踪问题,将系统采集的人脸运动序列图像分为初始帧和跟踪帧两种情况。运用肤色识别和椭圆近似方法进行人脸初步定位,并采用特定区域的Robinson梯度投影分析从初始帧提取人脸特征基点。利用卡尔曼滤波方法在后续跟踪帧预测特征质心点,同时采用小窗口积分投影对特征位置进行更新,并将各个特征的位移加权和作为人脸中心的位移,从而实现对人脸中心的跟踪,并转化为对简单人脸姿态的有效识别与理解。 文中方法可以在水平和垂直方向上跟踪人脸中心的运动,对不同人种、不同脸型无需事先学习,相对于模板匹配方法有更大的适用性。通过对实验结果和数据的进一步分析讨论,论证了所提方法的实用性、精确性和鲁棒性。