动态表观模型(Active Appearance Model,简称AAM)最早于1998年由F.T.Cootes等人提出并被应用于人脸特征点定位。2001年卡耐基梅隆大学的S.Baker等人对AAM拟合计算部分进行了改进,通过提前计算Hessian和梯度值,减少了循环迭代的运算量。由于具有三维扩展性好、特征点定位准确以及最高可达230帧/秒的处理速度等优点,AAM被认为是人脸特征点定位方法中一种有效的方法。本项研究在跟踪F.T.Cootes和S.Baker等人的研究进展的同时,对基于AAM的人脸特征点定位方法在实际应用中碰到的问题进行了深入的分析,对其不足提出了相应的改进方法。 主要的改进包括三个方面:1)针对算法在遇到有外界物体遮挡的时候定位效果急剧下降的问题,提出利用输入图像人脸表观与AAM平均人脸表观的差值图像的各部分属性来定义初始掩模,再通过迭代循环逐步细化掩模,进而采用多尺度掩模来消除遮挡干扰的方法。2)针对迭代过程中的形状模板非法变形的问题,采用的解决方法是:首先将标准训练集人脸的采样形状进行投影,得到形状系数空间,然后通过构建形状限制项来对模板整体变形趋势予以约束。3)针对背景敏感问题采用基于人脸肤色的统计掩模的方法予以解决,使算法能在不同的背景环境下进行人脸特征点定位。 最后构建了一个基于AAM的人脸特征点定位演示系统,并将本文对算法在鲁棒性方面的改进应用于所建立的系统中。通过合理设计各个功能模块,并采用Matlab工具进行系统的开发,本文构建的系统不仅适合作为后续研究的实验平台,而且也为将来开发实际应用软件奠定了良好的基础。