鲁棒人脸特征提取方法研究

人脸图像中眼睛、眉毛、鼻子、嘴巴和下巴等部件的形状特征及眼睛中心、眼角点、嘴角点等关键点位置特征的精确、稳定提取是人脸检测、人脸识别和表情分析等领域的重要研究课题，现有的方法在图像光照、人脸表情或姿势发生变化时，其性能将急剧下降。本项目研究在光照、表情和人脸平面内旋转变化情况下人脸上述特征的强鲁棒提取算法，构建主要基于人脸二值边缘图像（BEI）的部件分割流程和部件特征提取方法，重点就下列几个方面进行深入分析和探讨：（1）基于子类判别分析（SDA）的鼻子检测和定位；（2）基于双胞胎支持向量机（Twin-SVM）方法和具有旋转不变特性图像特征的BEI中眉毛检测；（3）基于局部二值模式（LBP）图像的下巴形状特征提取；（4）利用LBP图像的信息改进主动表象模型（AAM）方法的收敛性能，实现鼻子形状特征的精确提取。本研究对构建各类高性能的人脸图像分析及应用系统具有重要的意义。

光照和表情变化情况下人脸图像中眼睛、眉毛、鼻子、嘴巴和下巴等部件的形状特征及眼睛中心、眼角点、嘴角点等关键点位置特征的精确、稳定提取是人脸检测、人脸识别、表情分析、人机交互等领域的重要研究课题，其研究对构建各类高性能的人脸图像分析及应用系统具有重要的意义。本项目按照计划任务书的要求，认真进行了研究，取得了下列主要研究成果：（1）提出了一种基于两步子类判别分析（SDA）的鼻子定位方法，可实现在光照和表情变化情况下不利用任何人脸部件位置分布先验知识即可从整个人脸区域实现鼻子的快速精确定位；（2）提出了一种人脸二值边缘图像（BEI）中部件间粘连去除算法，大大有利于人脸部件的分割；（3）提出了一种基于BEI的眉毛分割和轮廓特征提取方法；（4）提出了一种基于改进局部二值模式（ILBP）的下巴轮廓特征提取方法。实验结果表明，本研究提出的上述研究成果较好地实现了在光照和表情变化情况下眉毛、眼睛、鼻子、嘴巴和下巴等人脸部件形状特征及关键点特征的鲁棒提取。除此之外，项目还研究了图像正交矩不变量特征和彩色图像四元数矩的构造方法、研究了人脸图像2DPCA和压缩感知特征的提取方法以及研究了人脸图像的改进局部二值模式（ILBP）特征的构建，并研究了这些图像特征在人脸识别中的应用。项目研究已公开发表论文23篇，录用论文1篇，其中被SCI收录2篇， EI收录15篇，培养硕士研究生4名，构建了一套对光照和表情变化鲁棒的人脸特征提取算法，完成了预期的研究任务和目标。

内容获取失败，请点击重试