人臉識(shí)別技術(shù)——基于ASM和AAM的特征提取方法.pdf

1、人臉識(shí)別是指利用計(jì)算機(jī)分析人臉圖像，進(jìn)而從中提取出有效的識(shí)別信息，用來(lái)辨認(rèn)身份的一門(mén)技術(shù)[1]。人臉識(shí)別技術(shù)的研究已經(jīng)成為人工智能與模式識(shí)別領(lǐng)域的熱點(diǎn)。人臉識(shí)別技術(shù)主要有三個(gè)步驟:人臉檢測(cè)、特征提取和人臉識(shí)別。人臉識(shí)別技術(shù)的應(yīng)用非常廣泛，包括智能門(mén)禁系統(tǒng)、計(jì)算機(jī)安全領(lǐng)域、智能監(jiān)控系統(tǒng)、機(jī)器視覺(jué)系統(tǒng)、醫(yī)學(xué)診斷系統(tǒng)以及三維動(dòng)畫(huà)等領(lǐng)域。作為一個(gè)有著廣泛應(yīng)用背景的研究領(lǐng)域，人臉識(shí)別技術(shù)吸引了大批國(guó)內(nèi)外研究學(xué)者的參與，許多知名的研究機(jī)構(gòu)也將其列為

2、重要研究方向，并已取得了很多成果。理想狀態(tài)下的人臉識(shí)別技術(shù)已經(jīng)非常成熟，但是要開(kāi)發(fā)出真正魯棒、大規(guī)模、快速的人臉識(shí)別系統(tǒng)還需要解決大量的問(wèn)題。
　　 關(guān)于人臉識(shí)別技術(shù)的算法非常多，近二十多年來(lái)，國(guó)內(nèi)外眾多研究小組和學(xué)者紛紛提出了自己的解決方案。但是由于研究者學(xué)術(shù)背景和應(yīng)用的不同，這些算法也不盡相同。主動(dòng)形狀模型(Active Shape Model，ASM)和主動(dòng)表觀模型(Active Appearance Model，AAM)

3、是兩個(gè)非常有效的特征提取算法，它們都是基于統(tǒng)計(jì)的參數(shù)化可變模型。廣泛應(yīng)用于人臉特征點(diǎn)的定位、醫(yī)學(xué)圖像處理、圖像配準(zhǔn)以及跟蹤等方面。
　　 本文研究了ASM和AAM的算法實(shí)現(xiàn)過(guò)程，并比較了兩類(lèi)模型的異同點(diǎn)。在此基礎(chǔ)上深入分析了AAM的匹配算法，然后在ASM和AAM基礎(chǔ)上進(jìn)行了改進(jìn)。本文主要的工作如下:
　　 1、復(fù)現(xiàn)了經(jīng)典的ASM和AAM算法的建模過(guò)程，即通過(guò)手動(dòng)標(biāo)點(diǎn)獲取訓(xùn)練集的形狀信息，然后采用紋理映射提取全局紋理，最后

4、經(jīng)過(guò)主成分分析(Principal ComponentAnalysis，PCA)建立起參數(shù)化的ASM模型和AAM模型。我們通過(guò)實(shí)驗(yàn)分別展示了ASM模型和AAM模型的表征能力。
　　 2、針對(duì)傳統(tǒng)ASM對(duì)齊過(guò)程中存在的問(wèn)題進(jìn)行了研究，我們發(fā)現(xiàn)傳統(tǒng)的ASM訓(xùn)練集對(duì)齊時(shí)采用的Procrustes算法是一種迭代算法，在訓(xùn)練集非常大的時(shí)候效率很低。因此我們采用基本的圖像幾何變換，經(jīng)過(guò)平移、旋轉(zhuǎn)和放縮把訓(xùn)練集變換到統(tǒng)一的框架下，實(shí)驗(yàn)表明，改

5、進(jìn)的算法大大的提高了對(duì)齊速度，并且對(duì)齊效果也更加優(yōu)秀。
　　 3、深入分析了AAM模型的匹配算法，我們對(duì)比了線性算法和逆向組合算法的匹配效果，并分析了其原因。通過(guò)實(shí)驗(yàn)，我們發(fā)現(xiàn)逆向組合算法的匹配結(jié)果要遠(yuǎn)遠(yuǎn)優(yōu)于線性算法。
　　 4、我們?cè)谀嫦蚪M合算法的基礎(chǔ)上，進(jìn)一步分析了AAM模型匹配過(guò)程中存在的若干問(wèn)題，通過(guò)添加全局幾何變換，我們能把AAM模型更好得匹配到輸入圖像上去。我們又在全局變換的基礎(chǔ)上添加了切變變換，這使得AAM