基于約束局部模型的人臉特征點定位算法的改進與實現(xiàn).pdf

1、近些年來，生物識別技術在快速的發(fā)展，人臉識別作為最友好的生物識別方式，受到了人們廣泛的關注和深入的研究。在人臉識別中，人臉特征點定位的目標是在人臉圖像上定位具有強分辨能力的臉部關鍵特征（如雙眼、鼻子和嘴巴等）的位置，在完整的識別應用中具有承上啟下的作用，精確的人臉特征點定位可以有效提升人臉姿態(tài)估計、表情分析、三維動畫建模及疲勞檢測預警等方面的應用效果。因此，研究人臉特征點定位具有一定的理論價值和現(xiàn)實意義。
　　本文分析了現(xiàn)有的人臉

2、特征點定位算法，總結了特征點定位的常用研究方法，在此基礎上重點研究了約束局部模型（Constrained Local Models，CLM），分析了CLM模型的形狀模型和局部模型的特點和相應的建模方法，在建模完成后的擬合優(yōu)化部分，對比分析了經典的擬合算法與凸二次擬合（Convex Quadratic Fitting，CQF）改進，指出當前算法存在的局部極小值問題，該問題可能導致局部搜索無法找到最優(yōu)位置，進而影響全局的定位精度。為了解決該

3、問題引入了均值漂移算法，并且針對均值漂移算法中的固定窗口可能導致收斂失敗的問題，使用搜索窗寬自適應方法改進了原有算法，將改進后的均值漂移算法應用于CLM模型后實現(xiàn)對原有算法的改進。
　　本文最后基于OpenCV實現(xiàn)了改進后的人臉特征點定位系統(tǒng)，并且將原始算法和改進算法分別應用于自然環(huán)境下的人臉特征點標注（Label Facial Part in The Wild，LFPW）人臉庫，對比了兩種算法在同一情況下的定位效果，通過對比，展