论文部分内容阅读
人脸识别作为生物识别技术之一,是指基于己知的人脸样本库,利用图像处理和模式识别技术从静态或动态场景中,识别或验证一个或多个人脸,在商业、安全等领域有着广泛的应用前景。人脸面部特征定位是实现人脸图像分析的关键,对人脸识别和面部特征定位进行研究具有重要的理论和应用价值。人脸特征定位是通过计算机在人脸图像中自动定位出人脸各个器官,包括眼睛、鼻子、嘴巴、下巴、耳朵以及人脸外轮廓等特征点的位置。主动外观模型是进行人脸面部特征定位和人脸识别的有效方法,近年来已成为图像处理等领域的研究热点。本论文所做的主要工作是研究基于主动外观模型的面部特征定位和人脸识别技术。主要工作和创新成果如下:1.详细介绍了主动外观模型(Active Appearance Models,AAMs)的基本思想和方法,提出了一种基于独立分量分析(Independent Component Analysis,ICA)的主动外观模型—ICA-AAMs,并将其用于人脸面部特征定位和人脸识别实验。经典的主动外观模型采用主分量分析(Principal Component Analysis,PCA)作为统计分析方法。但主分量分析只考虑了二阶统计信息,难以提取出局部特征,因此对人脸的局部描述能力不强。而独立分量分析基于高阶统计信息,此方法提取出的分量不仅满足不相关的条件,还满足相互独立的条件,可以有效地描述局部特征。PCA对分离出的主成份按其方差从大到小排序,而ICA算法没有对分离出的独立成份进行排序。对此,本文提出一种根据各独立分量的模与其均值的偏差进行排序的方法。本文建立的基于独立分量分析的主动外观模型,在统计外形模型和统计纹理模型中采用ICA对数据进行统计分析。2.利用人脸深度图和与之对应的灰度图像,将2D AAMs扩展为基于人脸深度和灰度信息的改进型AAMs。经典的主动外观模型融合了外形和纹理信息,是一种较好的建立二维模型的方法,但无法描述三维空间的物体。本论文中利用与人脸亮度图像素一一对应的深度图信息,建立人脸深度模型,将其与人脸外形模型,纹理模型融合,建立了人脸深度模型与2D AAM结合的改进型AAMs。同时,将AAMs对目标图像进行匹配的目标函数修正为深度误差和纹理误差的加权和,并通过实验确定了加权系数。3.利用三维人脸曲面的曲率解决改进型主动外观模型的初始姿态参数确定。由于初始姿态参数是影响AAMs搜索精确度非常重要的因素,本文利用三维人脸曲面上的曲率对人脸进行初步特征定位,用定位的结果作为改进型AAMs搜索初始位置。文中详细论述了改进型主动外观模型的建立过程和匹配过程,以及人脸曲面上曲率的计算和基于曲率的人脸面部特征初定位方法。