文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > USAN-AAM人脸特征点快速定位方法
侵权投诉

USAN-AAM人脸特征点快速定位方法

基于反向合成算法的AAM(active appearance model)是一种快速而高效的人脸特征点定位方法,但由于其纹理模型仅包含灰度信息,当测试数据集中的图像光线条件和训练数据集中的图像光线条件有较大差异时,算法定位精度明显下降。基于此,提出了一种改进的AAM人脸特征点定位方法USAN-AAM。实验结果表明,与原方法相比,该方法对光线变化更鲁棒,定位精度也更高。

第 2卷第 8 7期 21 0 0年 8月

计算机应用研究 Ap l a in Re e r h o mp t r p i t s ac fCo u e s c o

Vo . 7 No 8 12 . Au . 2 1 g 00

U A— A人脸特征点快速定位方法 S NA M 鲁 摘

鹏,陈毅松,陈文广

(北京大学机器感知与智能教育部重点实验室,北京 10 7 ) 0 8 1要:基于反向合成算法的 A M( c v p e a c o e) A at eap a n em d 1是一种快速而高效的人脸特征点定位方法,由于 i r但

其纹理模型仅包含灰度信息,当测试数据集中的图像光线条件和训练数据集中的图像光线条件有较大差异时, 算法定位精度明显下降。基于此,出了一种改进的 A M人脸特征点定位方法 U A -A提 A S N A M。实验结果表明, 与 原方法相比,方法对光线变化更鲁棒,该定位精度也更高。

关键词:主动表现模型;向合成算法;同值分割吸收核区域反 中图分类号:T 3 9 4 P 1 .文献标志码:A 文章编号:1 0 - 6 5 2 1 ) 8 3 8— 3 0 13 9 ( 0 0 0 . 1 8 0 di1 .9 9 ji n 10—6 5 2 1 . 8 14 o:0 3 6/ . s. 0 1 3 9 . 0 0 0 .0 s

US AN— AAM to o a th ma a ilfau e o ain meh d frfs u n fca e tr slc to L e g,C UP n HEN Yi s n,CHE n g a g -og N We - u n

( e a K yL bo fMahn e etn& Itl et MO P k gU i rt Bin 0 8 1 hn cie rpi Pc o n lgn, E, ei nv sy, eig10 7,C i ei n ei j a) Absr c t a t: I v re c m p sto a lo t m a e n e s o o iin lag r h b s d AAM sa fs n fii n lo t f rhu n fc a e t r o ainl i i a ta d e c e tag r hm o ma a ilf au el c t Ho i o w-

e e,o l a e n i g tn i e, li v r n yb s d o ma e i e s is p an AAM yn t r g s t fco yl c t n p e i o,p r c l l wh

n i u n t n n t ma o b n ai a tr o a i r cs n a t ua y, e l mi ai i s o i i r l o v r s h sp p rp o o e n i r v d A a e .T i a e r p s d a mp o e AM t o i meh d,n mey US a l AN— AM,t mp o e t e l c t g p r r n e A o i r v h o ai e f ma c .E p r- n o x ei me tlf s l e n t t h tte p o o e to up r r s pa n AAM n p e i o n o u t e s n a u t d mo s a et a h r p s d meh d o te fm li℃ s r o i r cs n a d rb sn s . i

Ke od:A M:nes o psin l rh u ia esg et si lign c u U A )r i yw rs A ivr cm oioa a o tm; nv u m n as a n u l s( S N e o e t l gi l e mit e gn

人脸特征点的精确定位一直都是人脸识别领域的一个重

间的差别来预测与更新模型参数。在这种用差值线性更新参数的模式中,由于要在每次迭代中生成新纹理,计算速度慢,大 约为 2 5fs . p。

要研究方向。先前的研究者们已经提出了多种定位方法,中其 以主动形状模型 ( cv hp oe,A M) atesaem d l S i和主动表观模型(A M) s最引人注目。A M是基于点分布模型 ( o t A -J S pi n d tb tnm dlP M) ir u o oe,D的算法。在 P M中, s i i D外形相似的特定

针对 A M速度慢的问题,ae等人于 20 A B kr 04年提出了 一

种基于反向合成拟合算法的 A M人脸对齐方法。该方法 A

类别物体 (人脸、手 )的形状通过若干关键的特征点如人 (ad rs的坐标串接成原始形状向量。对训练集中的所有 1 ma ) n k形状向量进行对齐操作后,它们进行 P A分析建模,留的对 C保

在保持较高定位精度的同时大大提高了 A M的定位速度, A但 B kr A M仅利用灰度信息来建立纹理模型,以算法对 ae的 A所

光线变化特别敏感。当测试数据集中的图像光线条件和训练数据集中的图像光线条件有较大差异时, ae B kr的

方法定位精度明显下降。同时,由于真实应用环境的光线千差万异,算法 对光线敏感的问题也无法由增加训练样本来解决。针对这一困境,本文在 B kr ae的基于反向合成算法 A M的基础上提出 A了一种改进的 A M即 U A— A A S N A M。U A -A的主体思路 S NA M是从样本中提取出对光线不敏感的特征信息将其与灰度信息 一

主成分形成最终的形状模型,形状模型的参数反映了形状的主要可变化模式。A M搜索则首先通过局部纹理模型匹配得到 S各个特征点的更佳的位置,经过相似变换对齐后,过统计形通 状模型对其进行约束,而后再进行局部纹理模型的匹配,形成 一

个迭代过程,以使形状模型最终匹配到输入的形状模式上

去。在 A M中, S仅使用了特征点局部纹理特征作为启发式信息,没有使用全局信息,践中发现 A M很容易陷入局部极实 S小。此外,它对初始化参数要求比较高,要求参数选取得尽量接近目标,否则很容易搜索失败。因此, o e等人于 19 Co s t 98 年提出了 A M特征点定位方法。A M是对 A M的改进中, A A S

起组成新的纹理模型,以此来代替原 A M算法中的纹理模 A

型,从而提高算法对光线的鲁棒性。

1基于反向合成算法的 A AM 1 1形状模型 .

Co s ot认识到 A M中没有全局信息的约束, e S因而采用了形状和纹理两者融合的统计约束,即所谓的统计表观模型。A M A搜索借鉴了基于合成的分析技术 ( a s—ys tei, B ) n ys y al i b - nh s A S s 的思想,通过模型参数的优化调整,使得模型能够不断逼近实

A M的形状模型可以定义为由多个三角形组成的一个网 A 格,每个三角形的顶点代表一个面部特征点。数学上, A的 AM

际输入模式。模型参数的更新则放弃了 A M中的局部纹理搜 S 索过程,仅使用一个线性预测模型根据当前模型和输入模式之 收稿日期:20—2 1;修回 1 09 1。6 3期:2 1— 12 0 0 0—5

形状模型 S定义为由 V个顶点组成的网格,其数学表达式为 S=( iY,2Y,,, ) ,l,2… () 1

基金项目:国家“ 6” 83高技术研究发展计划资助项目( 09 A 1 34,0 9 A 115 20 A 0 Z 2

20 A 0 20,

20A 0Z5, 0 A OZ 1)中国博士后科学基金资助项目 200523 07 A 1 1 2 7 A 138; 9 0 (09403) 作者简介:鲁鹏( 98 )男, 17一,湖北武汉人,博士后,主要研究方向为计算机视觉、人机交互(uhn eg s.o )陈毅松( 9 3 )男, 1cepn@m n cr; n 17一,四川资阳人,副教授,主要研究方向为模式识别和虚拟现实;陈文广(94 )男, 16 .,北京人,副教授,主要研究方向为人机交互、信息管理.

USAN-AAM人脸特征点快速定位方法

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email