基于ASM的人脸面部关键特征点定位算法研究

摘要

人脸面部的关键特征点定位既是人脸识别研究领域中的一个关键问题，也是计算机视觉和图形学领域的一个基本问题。在人脸检测的基础上，面部关键的特征点定位试图定位人脸面部主要特征点的位置以及眼睛和嘴巴等主要器官的形状信息。目前最好的自动人脸识别(AFR)系统在理想情况下已经能够取得可以接受的识别性能。但测试和实践经验表明：非理想条件下的人脸识别技术还远未成熟，要开发出真正鲁棒、实用的AFR应用系统还需要进一步研究解决大量的关键问题，尤其是需要研究作为识别必要前提条件的人脸面部的关键特征点的精确定位问题。本文重点讨论了基于主动形状模型的人脸面部的关键特征点定位算法。 首先研究了点分布模型，并在训练样本对齐、形状变换建模和基数目的选择三方面分别展开讨论，然后详细描述了主动形状模型算法的整个搜索过程和多分辨率框架，并讨论了相关工作。为了提高主动形状模型（ASM）算法的性能，提出了改进的ASM算法：在人脸区域检测的基础上首先精确定位出虹膜的位置并计算出平均形状模型初始化所需要的相关参数；采用基于整脸的全局形状模型和基于人脸面部的各个显著特征区域成分形状模型相结合的多模型ASM分次搜索的优化方法，并加入人脸面部的相似性构形办法对特征点的总体定位结果进行总体优化；在主动形状模型算法的特征扩展方面根据为特征点局部灰度建模时所采用的信息特征不同分为两种：采用Log-Gabor小波子系数特征完全代替灰度信息对每个特征点周围纹理信息进行描述并建立纹理模型；将特征点的局部灰度信息和其特定方向上的Log-Gabor小波子系数特征进行融合对特征点局部进行纹理建模；加入了边缘约束策略，减小了特征点目标搜索的区域。实验证明，改进后的主动形状模型算法与其传统算法相比，特征点的定位精度整体上有了显著提高，并且对图像中的光照和噪音影响具有很好的鲁棒性。对实验中出现的不理想特征点定位结果进行分析，对影响算法搜索的各种因素进行讨论，指出初始化对于搜索的成败往往起了决定作用，而光照变化、姿态变化、表情变化、毛发饰物的遮挡、训练集不足等因素对搜索也有重要的影响。