基于约束局部模型的人脸特征点定位算法的改进与实现

作     者：邹勇 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：江国星

授予年度：2016年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：特征点定位 约束局部模型 形状模型 均值漂移 

摘      要：近些年来,生物识别技术在快速的发展,人脸识别作为最友好的生物识别方式,受到了人们广泛的关注和深入的研究。在人脸识别中,人脸特征点定位的目标是在人脸图像上定位具有强分辨能力的脸部关键特征(如双眼、鼻子和嘴巴等)的位置,在完整的识别应用中具有承上启下的作用,精确的人脸特征点定位可以有效提升人脸姿态估计、表情分析、三维动画建模及疲劳检测预警等方面的应用效果。因此,研究人脸特征点定位具有一定的理论价值和现实意义。本文分析了现有的人脸特征点定位算法,总结了特征点定位的常用研究方法,在此基础上重点研究了约束局部模型(Constrained Local Models,CLM),分析了CLM模型的形状模型和局部模型的特点和相应的建模方法,在建模完成后的拟合优化部分,对比分析了经典的拟合算法与凸二次拟合(Convex Quadratic Fitting,CQF)改进,指出当前算法存在的局部极小值问题,该问题可能导致局部搜索无法找到最优位置,进而影响全局的定位精度。为了解决该问题引入了均值漂移算法,并且针对均值漂移算法中的固定窗口可能导致收敛失败的问题,使用搜索窗宽自适应方法改进了原有算法,将改进后的均值漂移算法应用于CLM模型后实现对原有算法的改进。本文最后基于OpenCV实现了改进后的人脸特征点定位系统,并且将原始算法和改进算法分别应用于自然环境下的人脸特征点标注(Label Facial Part in The Wild,LFPW)人脸库,对比了两种算法在同一情况下的定位效果,通过对比,展示出本文改进算法较好地解决了局部极小值存在的问题,改进了特征点定位的精确性,较原有的方法有一定性能提升。