论文部分内容阅读
主动外观模型AAM(Active Appearance Model)是一种被广泛应用的人脸特征提取算法。1998年英国曼彻斯特大学的F. T. Cootes、Edward等最先提出了主动外观模型,并将其应用于人脸特征点的标定。由于其较好的通用性和灵活性,AAM被广泛应用于人脸图像处理领域,如人脸检测、人脸表征、人脸识别、人脸跟踪与监视、表情分析以及人脸编码等。本文主要有两点内容：1)本文研究了一种基于AAM的人脸识别算法。首先对AAM的建模与匹配进行了详细介绍,基于Yale人脸库实现了AAM的建模过程并得到了匹配结果,证实了AAM特征提取和匹配计算的准确性。针对AAM原始匹配算法中梯度爬升问题造成的耗时过长问题,利用Lucas-Kanade (LK)反向合成算法对AAM匹配算法进行了改进,使匹配中部分计算得到简化,在匹配结果同样准确的前提下大大提高了匹配速率并与原始AAM匹配算法进行了比较。其次,将AAM建模和Lucas-Kanade (LK)算法相结合并应用于人脸的跟踪定位,其思想是先对被跟踪的视频截取其前两帧图像作为训练集完成前两帧图像的AAM人脸建模,之后进行匹配计算,如此循环直至视频中最后一帧图像。由于AAM的精确的建模能力和LK算法优秀的匹配效率,该算法对视频中的人脸的跟踪取得了较好的效果。2)将AAM特征提取与支持向量机(SVM)相结合的方法对人脸进行识别。在AAM的匹配过程中,都会对训练样本和模板间的均方误差进行优化达到匹配的目的,而在优化过程中,参数的更新法则决定匹配的效率,由于其复杂的计算使收敛速度有一定的局限性。因此,我们将基于支持向量机应用到AAM人脸匹配中,从分类的角度出发,探讨它的实用性。支持向量机是一种高效的数据分类算法,上世纪90年代提出后由于其良好的容错能力和样本的推广能力,得到了快速的发展。基于ORL人脸库,本文先将每一幅训练图像进行AAM特征提取,然后再用支持向量机分类。实验表明,将支持向量机与AAM特征提取相结合的人脸识别要优于原始AAM匹配。