论文部分内容阅读
人脸特征点的检测是人脸识别、表情分析等数字人脸技术的重要基础，是提高人脸识别、人脸分析与跟踪性能的重要前奏和关键问题.人脸特征点检测技术发展至今，在姿势、光照、表情变化、面部饰物等影响下的鲁棒性能和准确性的提高仍然是这一技术研究的难点和热点.
本文的主要工作是对活动形状模型方法(ASM)做了改进，并将其应用到人脸特征点检测技术上，取得了很好的检测效果.本文主要有以下三个方面的创新点：
1.本文针对MPEG-4标准中中性脸模型的定义，把MPEG-4标准中所定义的人脸上的84个特征点按照检测难易程度分为四类.
2.本文采取了整体形状与局部形状互动、用整体形状模型的特征子空间来约束局部形状点的移动的方法来检测人脸的特征点，有效避免了因眼睛检测不准确而影响到鼻子和嘴巴等部位特征点检测的准确性的缺点.
3.本文除了按照传统的ASM方法提取了图像的灰度特征外，又提取了图像的基于灰度共生矩阵的熵纹理特征，更加准确地定位了待检测图像中特征部位的形状.
本文所提到的研究工作是在YALE人脸库提供的165幅图像上进行实验，对于有不同表情或者佩戴眼镜的正面人脸图像，本文的方法都得到了很好的实验结果.