论文部分内容阅读
面部特征点定位作为人脸研究分析中的重要前提,为后续人脸研究提供了相应的基础数据,可以广泛应用于人脸识别、表情识别及疲劳驾驶等领域。近年来,随着人们安全意识的提高,人脸识别技术在社会安全及监控系统等方面有着越来越广泛的应用,而特征点定位作为人脸识别中最重要的组成部分,自然也越来越受到重视。国内外研究人员已经提出了多种面部特征点定位的方法,本文将其分为针对单个人脸器官的局部特征点定位方法及针对全脸或多个面部器官的全局特征点定位方法。常见的局部特征点定位方法包括霍夫变换法、积分投影曲线及平均合成精确滤波器(Average of Synthetic Exact Filters, ASEF)方法等,其基本思想为利用各人脸器官的先验知识一次定位单个器官。其中平均合成精确滤波器在双眼定位中表现出了很好的定位结果。但是当对该方法进行扩展,对多个特征点进行定位时,由于没有考虑各特征点之间的相对位置关系,定位精度明显下降。常见的全局特征点定位方法包括主动外观模型(Active Appearance Model, AAM)、主动形状模型(Active Shape Model, ASM)以及图结构模型(Pictorial Structures Model)等,特点为一次可以定位到全脸或多个感兴趣的器官位置。其中Pictorial Structures作为一种基于模型的方法,充分的考虑到了各特征点之间的相对位置关系,但该方法在提取各特征器官的外观特征时采用的方法不够精确,导致最终的定位结果不够理想。本文在充分分析研究局部和全局特征点定位方法优缺点的基础上,研究了一种能够综合局部和全局定位方法优点的方法。论文的主要工作如下：1)系统的阐述了人脸特征点定位的国内外研究现状,并将一些相对比较成熟的技术分为五类进行归纳总结：基于灰度信息的方法；基于几何形状的方法；基于先验规则的方法；基于统计模型的方法及基于小波的方法。2)对单个人脸器官的定位方法进行了研究。如进行双眼定位的霍夫变换法、边缘特征分析法及ASEF方法,进行鼻子定位的子类判别分析法以及针对嘴巴定位的方法等。3)详细的介绍了基于模型的人脸特征点定位方法：Pictorial Structures方法和ASM方法。4)具体的研究了基于ASEF和Pictorial Structures模型方法的改进算法,种是针对ASEF算法中参数σ对定位结果的影响提出的结合模拟退火技术的特征点定位算法。另一种改进方案为结合ASEF和Pictorial Structures模型的特征点定位方法。最后通过实验对提出的改进算法进行验证,并比较原算法,证实本文所研究算法的有效性。