基於圖像特徵融合和統計決策的人臉特徵點定位

《基於圖像特徵融合和統計決策的人臉特徵點定位》是依託北京郵電大學，由胡佳妮擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於圖像特徵融合和統計決策的人臉特徵點定位
• 項目類別：青年科學基金項目
• 項目負責人：胡佳妮
• 依託單位：北京郵電大學

項目摘要

人臉特徵點定位旨在從圖像或圖像序列中搜尋出預定義的面部特徵，如眼睛中心點、左右嘴角、臉頰輪廓等的位置。現有的理論和方法通常採用紋理或顏色或形狀等簡單的圖像底層信息，定位精度和效率都有待提高。本項目擬研究在各種姿態、表情變化和遮擋情況下的魯棒特徵點定位。項目主要研究內容包括：基於圖像信息融合的特徵點表示模型，基於統計決策的關鍵特徵點定位，基於反向合成匹配的快速外觀模型搜尋。本項目的研究成果可為人臉對齊、人臉識別、表情識別、人臉三維圖像合成、視頻中的人臉跟蹤等實際套用系統提供關鍵數據。

結題摘要

人臉面部特徵點定位是人臉識別、表情識別、人臉三維圖像合成、人臉跟蹤等套用系統中的基礎。本課題研究在姿態、表情變化和遮擋情況下的魯棒特徵點定位，主要理論成果包括：（1）基於稀疏表示的人眼中心點定位，該算法將特徵點定位問題轉換為一個二分類問題，也即測試圖像的中心點是否為特徵點，其基本思想是將人眼圖像看做是訓練人眼圖像的稀疏線性組合，當重構誤差小於閾值時則認定測試圖像的中心點為人眼中心點。（2）擴展稀疏表示分類模型，該模型在稀疏表示模型基礎上加入一個的類內變化字典來描述光照、表情、遮擋等同類樣本的圖像特徵變化，通過L1 範數最小化方法把測試樣本表示為訓練樣本和類內變化字典的稀疏線性組合，實驗證明即使在每類只有極少樣本（甚至單一樣本）的條件下，擴展的稀疏表示也能獲得較高的分類精度。（3）基於二維投影映射的人臉特徵點定位，該方法在基於主動形狀模型的人臉特徵點定位中引入投影變換，旨在將訓練樣本中不同表情、不同大小、不同側面角度的人臉變換到同一坐標下，從而獲取穩定的圖像特徵以增強定位的精度。（4）變換不變性的主成分分析方法，其核心思想是找到圖像在平面內具有旋轉和尺度不變性的子空間。基於該思想的特徵點定位算法首先將待定位的人臉圖像對齊到變換不變性特徵空間中去，然後在對齊後的圖像中進行特徵點定位，最後通過逆變換將對齊空間中的特徵點位置投影到原空間形成最終輸出。課題組在期刊IEEE Trans. PAMI上發表論文1篇且另有1篇已錄用待發表、Pattern Recognition上發表論文1篇，在CVPR、AAAI、ICPR、ICIP等國際會議上發表論文7篇。