显性形状回归的人脸对齐方法实验研究

摘要

人脸识别因其易获得、无需直接接触、可靠等优点在安全识别等广泛领域有着广阔的发展前景。人脸识别系统包括人脸检测与定位、人脸特征点提取与识别，人脸特征点提取作为人脸识别的关键步骤，直接影响到人脸识别的准确性，是近年来的研究热点。但是在现实生活中，光照、姿态、表情等因素的变化都会对特征点的定位产生影响，对于不同人脸数据库，算法的实验结果也会有所不同。
　　人脸数据库对于人脸识别系统有着至关重要的意义，建立合适的数据库是人脸识别系统建立、研究与评测的重要基础，人脸识别系统的识别率也在一定程度上取决于人脸数据库建立的好坏。本文建立了一个全新的人脸数据库—SSDUT人脸数据库，采集了581名志愿者同一位置15个不同角度的图像，按照统一标准在眉骨、眼睛、鼻子、嘴唇、脸部的轮廓标记了72个有序特征点。本文以LFW数据库和SSDUT数据库为实验对象，主要针对显性形状回归的人脸对齐方法进行研究，改变训练集的图片数量、采用不同角度的图片组合作为训练集和测试集，对比试验结果，分析算法性能。在对算法的实现过程中，解析算法的主要思想和缺陷，探索在何种使用条件下，算法的效率最高，进而提高算法的高效性和鲁棒性。并且本文选取形状约束为主、纹理约束为主、形状与纹理结合和不变量约束为主的典型算法分别再次实现，得出对比结果。

目录

声明

摘要

引言

1 人脸特征点提取综述

1．1 人脸特征点提取的背景及意义

1．1．1 人脸特征点提取的重要性

1．1．2 人脸特征点提取的应用

1．2 人脸特征点提取的发展概述

2 相关理论及对比算法

2．1 基于回归的人脸特征点提取

2．2 对比算法

2．2．1 利用Gabor特征自动检测人脸特征点

2．2．2 延伸的主动形状模型定位特征点

2．2．3 利用回归和图模型检测脸部特征点

2．2．4 基于不变量约束提取人脸特征点

3 显性形状回归的人脸对齐方法

3．1 算法思想

3．2 形状回归的人脸对齐

3．2．1 两层提高的回归

3．2．2 原始回归器

3．2．3 形状索引的特征

3．2．4 基于相关的特征选择

4 SSDUT人脸数据库

4．1 数据库采集实验室简介

4．2 人脸图像采集

4．3 人脸特征点标记

5 实验配置与结果

5．1 实验配置

5．2 实验数据库简介

5．3 LFW数据库下算法性能对比

5．4 SSDUT数据库下算法性能对比

结论

参考文献

附录

致谢