基于局部约束模型与SCMS的面部特征点跟踪

摘要

人脸面部的特征点定位与追踪是近年来计算机视觉领域的研究中一个比较基础但是又很具挑战性的课题，其中，局部约束模型（即CLM）是一种比较常用的算法。但是有两大问题制约着它的发展和应用范围，一是模型所包含的图像信息的限制以及随之带来的计算复杂度的问题，二是拟合阶段的拟合算法的选择。本文针对CLM的这两个问题进行了细致的研究，并提出一种改进型 CLM模型和一种改进的匹配拟合算法。具体为：
　　1.基于独立分量分析的改进型CLM模型。传统的CLM一般使用主成分分析（即PCA）作为统计和分析的方法，但PCA缺乏对高阶信息的统计，对局部特征提取的提升潜力有限。而 ICA基于高阶统计信息，可以有效地描述局部特征，并且受样本数量的影响不大。本文将 ICA引入到改进型 CLM中来进行形状特征的提取，虽然略微增加了计算量，但是匹配的精准度得到很大的提升。
　　2.基于子空间约束的 CLM拟合算法。目前主流的 CLM拟合算法都存在一些缺陷，如适用条件较多，计算量较大。本文提出的基于子空间约束的 CLM优化算法使用一种无参数的核密度估计法来估计关键点的响应，随后使用 Mean-shifts方法来最大化该响应估计量并进行迭代，拟合关键点位置。该法充分利用了内核估计方法计算量较低的优点，并且兼顾了局部优化的目标，因此在计算量和精准度上均获得了较好的性能提升。
　　最后我们通过在640*480，每秒25帧的人脸视频上进行特征点的定位与追踪实验来检测我们算法的性能，并与采用ASM模型的算法进行对比。结果显示改进型CLM算法的拟合精确度较ASM算法有较大提高，并且受目标姿态及角度的影响较小。每帧的平均匹配时间大致为30毫秒，仅为采用ASM模型算法的三分之一，实时性出色。实验证实本文提出的基于SCMS的改进型CLM算法在匹配精度和计算量方面均有较好的提升。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 选题缘由和意义

1.2 国内外研究现状

1.3局部约束模型算法主要问题分析

1.4论文的主要内容和工作安排

第二章 主动形状模型

2.1 引言

2.2 点分布模型

2.3 主动形状模型的训练算法流程

2.4 主动形状模型的图像拟合过程

2.5 本章小结

第三章 基于独立分量分析的改进型局部约束模型

3.1 概述

3.2局部模型

3.2 局部外观模型的构建

3.3 采用局部约束模型的人脸特征点定位方法

3.4 基于独立分量分析的改进型局部约束模型

3.5 局部约束模型算法概要及拟合一般过程

第四章 基于子空间约束的局部约束模型拟合算法

4.1 背景介绍

4.2 传统拟合算法介绍

4.3 基于子空间约束的mean-shift拟合算法

4.4 各拟合方法性能实验对比

4.5 本章小结

第五章 实验结果分析与比较

5.1.概述

5.2.正面脸部一般特征点跟踪实验

5.3.正面脸部较大形变下的特征点跟踪实验

5.4.稍侧面脸部一般特征点跟踪实验

5.4 本章小结

第六章 总结与前景展望

6.1本文的主要工作

6.2对未来的展望

参考文献

致谢

作者简介