基于GPU加速的人臉分析系統(tǒng)設(shè)計與實現(xiàn).pdf

1、近年來，人臉圖像分析成了計算機視覺與模式識別領(lǐng)域的一個熱門研究方向，該技術(shù)被廣泛應(yīng)用于生物特征識別、人機交互、視頻監(jiān)控，多媒體應(yīng)用等等。人臉檢測與配準是人臉圖像分析中最基本的任務(wù)，也是關(guān)鍵任務(wù)之一。本文通過仔細分析和總結(jié)了近年來國內(nèi)外人臉檢測與關(guān)鍵點定位的現(xiàn)況，以此為基礎(chǔ)，深入研究了基于類 Haar特征的AdaBoost人臉檢測算法和基于主動形狀模型（Active Shape Model,ASM）的人臉關(guān)鍵點定位算法，分析得到算法的并行

2、點，利用GPU進行加速。對于人臉檢測而言，本文在積分圖計算、掃描窗口的檢測以及窗口放大修正合并均挖掘了并行點，并采用 GPU進行并行加速，在FDDB數(shù)據(jù)庫上的實驗結(jié)果表明，本文提出的方法能夠有效提升人臉檢測速度。對于人臉關(guān)鍵點定位而言，本文將經(jīng)典ASM算法的局部文理模型換成了表達能力更強的SIFT特征描述，并且在求局部圖像描述子的時候進行了并行加速，實驗結(jié)果表明，該方法同時具有提升速度和提高精度的優(yōu)勢。在LFPW和Helen數(shù)據(jù)庫上的實

3、驗表明，本文提出的方法具有較好的定位效果。在人臉檢測和人臉關(guān)鍵點精確定位的基礎(chǔ)上，受心理學(xué)研究的啟發(fā)，本文提出采用聯(lián)合特征編碼的方法來描述人臉表情的局部細節(jié)特征。本文采用的是Boosting學(xué)習(xí)機制，通過Boosting學(xué)習(xí)機制得到表情分類器，該表情分類器基于聯(lián)合Haar特征。為了檢測本文提出方法的性能，我們在CMU和JAFFE通用人臉表情數(shù)據(jù)庫進行實驗，得到令人滿意的結(jié)果。對于人臉的屬性分析，本文提取面部的LBP特征，通過SVM訓(xùn)練了