基于相对角聚类和支持向量机的人脸特征点定位技术研究

摘要

人脸特征定位及对应点匹配是计算机视觉和模式识别领域一个非常热门的研究方向，它是人脸识别、人脸动画、人脸跟踪、三维人脸重建、立体匹配以及建立统计模型等的前提步骤之一。二维图像上人脸特征点的定位算法已经比较成熟，但在三维模型上进行特征点定位的研究还比较少，本文提出了一个在三维模型上定位人脸特征点的算法。
　　 在三维点分布模型上，相对角直方图[40](RelativeAngle-Context Distribution，R(AC＆))算法能够在两个模型上找到对应点，但是此算法不能够进行精确匹配对应点，只能够将对应点定位到一个邻域内。为了提高特征点定位精确性，在RAC的基础上，本文提出了联合模式识别的K-均值聚类和支持向量机(Support Vector Machine，SVM)来进行三维人脸特征点定位的算法，称为基于RAC聚类和SVM的人脸特征点定位算法。此算法首先结合RAC和K-均值聚类方法对未知模型的特征点进行预匹配，得到的匹配结果称为聚类点集。为了得到更精确的特征点定位结果，然后提取三维点分布模型上点的曲率、法向量和EE的均值及方差三个特征，最后采用SVM方法对聚类点集进行分类，达到分离特征点及精确定位的目的。
　　 实验结果表明，与RAC算法比较，此算法能够在三维点分布模型上进行更加精确的特征点定位，在距离阈值为30时，用RAC算法进行的人脸特征点定位，有25％的特征点定位准确率达到了100％，而本文提出的算法有50％的特征点定位准确率达到了100％。

目录

文摘

英文文摘

声明

第一章 绪论

1.1研究背景与研究意义

1.2应用领域

1.3国内外研究现状

1.3.1二维人脸图像特征点定位现状

1.3.2三维人脸模型特征点定位现状

1.3.3人脸特征点定位的主要难点和挑战

1.4本文研究的主要内容

1.5本文的创新点

1.6文章的组织结构

第二章人脸特征点定义

2.1人脸的生理结构

2.1.1颅骨结构

2.1.2人脸面部肌肉结构

2.2人脸分布规律

2.3特征点标准

2.3.1法医标准

2.3.2美学分析特征点标准

2.3.3 MPEG-4脸部特征点标准

2.3.4本文定义的脸部特征点标准

2.4本章小结

第三章基于相对角分布直方图的特征点匹配技术

3.1基于相对角分布直方图的特征点匹配算法

3.1.1三维模型的主成分框架

3.1.2三维模型上点的相对角度计算

3.1.3三维模型上点的相对角分布

3.2对应点匹配和相对角分布直方图相似性度量

3.2.1对应点匹配

3.2.2相对角分布直方图相似性度量

3.3算法流程

3.4特征点定位准确性评价

3.4.1二维图像上特征点定位评价方法

3.4.2三维模型上特征点定位评价方法

3.5实验结果和分析

3.6本章小结

第四章三维模型上点的几何特征提取

4.1曲率特征提取

4.1.1曲率的几何意义

4.1.2拟合曲面求点云模型上点的曲率

4.1.3通过三角网格求点云模型上点的曲率

4.2法向量特征提取

4.2.1利用顶点相邻面片计算点分布模型上点的法向量

4.2.2利用顶点邻域内的点计算点分布模型上点的法向量

4.3有效能量(Effective Energy，EE)均值和方差的特征提取

4.4本章小结

第五章基于RAC聚类和SVM分类的特征点定位算法

5.1 K-均值聚类算法

5.1.1 K-均值聚类算法基本思想

5.1.2 K-均值聚类算法流程

5.2支持向量机技术

5.2.1支持向量机

5.2.2支持向量机的核函数

5.3基于RAC聚类和SVM特征点定位算法

5.3.1基于RAC聚类的特征点预匹配

5.3.2基于SVM的特征点精确定位

5.4实验及结论分析

5.5本章小结

第六章特征点定位系统实现

6.1特征点定位系统功能设计

6.2特征点定位系统功能结构

6.3系统流程图

6.4系统实现

6.4.1程序开发环境与运行环境

6.4.2程序界面

6.5本章小结

第七章总结和展望

7.1本文主要完成的工作

7.2将来要完成的工作

参考文献

攻读硕士期间发表的论文

参与的科研项目

致谢