基于AAM的人脸特征点快速对齐方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106228113A(43)申请公布日2016.12.14(21)申请号201610545684.2(22)申请日2016.07.12(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人解梅周扬刘伸展程石磊(74)专利代理机构电子科技大学专利中心51203代理人周刘英(51)Int.Cl.G06K9/00(2006.01)权利要求书1页说明书3页(54)发明名称基于AAM的人脸特征点快速对齐方法(57)摘要本发明公开了一种基于AAM的人脸特征点快速对齐的方法，属于模式识别技术领域。本发明包括：对输入的人脸图像标定人脸特征点，作为轮廓模型的训练样本；采用AAM主动轮廓模型法对训练样本进行轮廓模型训练，得到轮廓模型；输入待处理的连续多帧视频图像，若当前帧为起始帧，则对全图像进行AAM搜索匹配，得到当前帧与轮廓模型的人脸特征点对齐结果；若当前帧为非起始帧，则以上一帧的人脸特征点对齐结果为起始位置，对当前帧进行AAM搜索匹配，得到当前帧与轮廓模型的人脸特征点对齐结果。本发明用于人脸识别处理，其由上一帧的对齐结构确定当前帧的迭代初始位置，缩小了搜索范围，减少迭代次数，使得在人脸特征点对齐的过程中的时间消耗得以大幅降低。CN106228113ACN106228113A权利要求书1/1页1.基于AAM的人脸特征点快速对齐方法，其特征在于，包括下列步骤：对输入的人脸图像标定人脸特征点，作为轮廓模型的训练样本；采用AAM主动轮廓模型法对训练样本进行轮廓模型训练，得到轮廓模型；输入待处理的连续多帧视频图像，若当前帧为起始帧，则对全图像进行AAM搜索匹配，得到当前帧与轮廓模型的人脸特征点对齐结果；若当前帧为非起始帧，则以上一帧的人脸特征点对齐结果为起始位置，对当前帧进行AAM搜索匹配，得到当前帧与轮廓模型的人脸特征点对齐结果。2CN106228113A说明书1/3页基于AAM的人脸特征点快速对齐方法技术领域[0001]本发明属于模式识别技术领域，具体涉及人脸检测和识别系统中的人力特征点对齐处理。背景技术[0002]随着生物特征识别技术的不断发展，人脸检测与人脸识别凭借其无侵犯性、低成本、易安装、无人工参与等优点，充分体现了生物特征识别其直接、友好、方便、使用者无任何心理障碍、易于为用户所接受等特点，使得人脸检测与人脸识别逐渐成为了生物特征识别领域解决方案最为成熟、发展最为迅速、应用最为广泛的技术手段之一，诸如门禁考勤系统、终端设备的人机交互、金融领域的身份验证系统、安防系统等等社会生活的众多方面都得到了成熟广泛的应用。[0003]人脸特征点对齐作为人脸检测和识别系统中的关键性环节，其准确性和对齐跟踪速率对后续检测和识别过程有着巨大的影响。1987年Kass等人率先提出了snake算法，该算法专注于边界鉴定和图像分割，主要是通过一个能量函数，利用由n点组成的连续闭合曲线来实现对目标对象边界和特征的拟合定位。在snake算法的基础上，1989年Yuille等人提出了参数化可变模板进行定位的方法，其主要原理依然是通过使用一个能量函数作为匹配度评价函数来表征目标对象的形状，但是在其定位的过程中，由于使用的是一个可变模板，因而可以实现对可变模板尺寸，偏转角度，以及位置和形状进行微调的优化处理流程。随着形状模型匹配算法的进一步发展，1995年Cootes等人提出了ASM(ActiveShapeModel，主动形状模型)算法，该算法通过参数化的采样形状对模型对象的形状进行构建，从而得出对象的形状构建模型，然后通过PCA(Principalcomponentanalysis，特征脸方法)算法实现模型特征点的动态描述，同时降低数据维数处理,再加之辅以另一组参数对形状特征点的位置信息进行控制。随着ASM算法在实际的应用过程中由于只是单纯的利用了对象的形状，而暴露出的准确率不高的缺点，在1998年，Cootes等人在ASM算法的基础上提出了AAM(ActiveAppearanceModel，主动轮廓模型)算法。和ASM一样，AAM也是建立在对训练数据进行统计分析的基础上，首先建立人脸模型，然后利用先验模型对图像中的目标物体进行匹配运算。但与ASM的不同之处在于它不仅利用目标对象的形状信息，而且对脸部的纹理信息也进行统计分析，并构建了形状与纹理相互联系的混合模型。但是在AAM算法过程中为了最小化差异性而需要不断迭代，使得整个算法的运算量大。发明内容[0004]本发明的发明目的在于：针对上述存在的问题，提供一种基于AAM的人脸特征点快速对齐的方法。其中主要包括：AAM模型建立和AAM搜索匹配两个部分，其中AAM模型建立包括：形状建模、纹理建模和混合建