文档介绍：毕业设计(论文)
开题报告书
题目
基于外观模型的人脸特征标定
学院
专业
姓名
学号
指导教师
教授
2012年 3月
课题来源省市
科学依据近几年,生物鉴别、人工智能、新一代人机交互等与人脸相关的图像处理技术的迅猛发展,但是这些技术以快速有效地从图像或者视频中获取人脸的特征点信息为首要前提,也就是要实现人脸特征点定位并且提取对应的人脸特征信息。由于人脸是非刚性的,因此人脸的大小、位置、姿态、表情的变化、年龄的变化、毛发和佩戴物、光线的变化都会影响正确的对人脸特征的定位。该项研究涉及到图像处理、模式识别、人工智能、计算机视觉、生理学、心理学等多个学科,研究人脸特征点定位技术自然就成为一项非常重要又极具挑战性的课题。根据定位所依据的基本信息的类型,现有方法可分为:基于先验规则的方法、基于几何形状信息的方法、基于色彩信息的方法、基于外观信息的方法和基于关联信息的方法。而在基于几何信息的方法中,主动表观模型(Active Appearance Model,AAM)就作为一种特征提取算法成为基于模型方法的主流研究方法之一。
基于 AAM 的面部特征点定位方法最早是由英国曼彻斯特大学 Cootes 等人提出来,并在 ASM算法和可变模板算法的基础上发展起来。AAM 利用了可变形模型中的能量函数最优化的思想,又改进了 ASM 算法中对模型建立只考虑人脸形状的不足,引入人脸表观来扩展模型的表征能力,能实现快速准确的面部特征点定位。随着该算法的发展,众多该领域的重要研究机构也纷纷跟踪该算法的发展,卡耐基梅隆大学的Simon Baker等人主要是对 AAM 的匹配算法进行了改进。Simon 扩展了 Lucas-Kanade 的图像匹配算法提出了反向组合图像匹配算法并且将其引入到 AAM 匹配计算中。基于扩展后的Lucas-Kanade算法的AAM面部匹配算法使得Hessian和梯度可以提前计算,避免在迭代中重复运算,从而大大提高了拟合算法的效率。
基于AAM 的人脸特征标定与识别有广阔的应用领域,如新一代人机交互、人脸识别、人脸表情分析、人脸三维动画建模、人脸图像编码等等。新一代人机交互技术是通过捕捉、整合来自人脸面部图像、声音、触觉等多通道信号来获取人的身份、状态、意图等相关信息,进而让计算机主动为用户服务;人脸识别该技术是利用计算机分析人脸图像,进而从中提取有效的识别信息,用来“辨认”人脸对象的身份;人脸表情分析技术是对人脸的表情信息进行特征提取分析,基于特征点的表情提取方法要求应用特征点算法进行标定;人脸三维动画建模技术是通过计算机图形学手段,根据人脸面部的结构和属性,构建与预期一致的虚拟人脸三维动画模型,它要求能准确快速获取人脸特征信息,这就离不开人脸特征点定位技术;人脸图像编码技术是通过编码技术将人脸图形信息进行有效地压缩,并且编制成能在信息媒介上传输的形式;基于 AAM 的人脸特征标定与识别算法能够准确定位到面部器官的特征点位置,因此在这些领域得到了广泛应用。
研究内容
课题研究包括理论研究和软件设计两个部分。
具体内容如下:研究主动外观模型AAM(Active Appearance Model)理论,并进行详细阐述,重点分析AAM最初的基于梯度下降算法匹配算法的优缺点,继而阐述由卡耐基梅隆大学的Ia