復雜背景下人臉特征點跟蹤算法研究.pdf

1、隨著信息技術(shù)和人工智能的快速發(fā)展，計算機逐漸具備模擬人的思維和智慧的能力，計算機視覺成為了一個熱門的研究課題。近年來，人臉檢測、人臉識別、特征提取、人臉特征點跟蹤等方方面面的研究方法也逐漸豐富和成熟。其中，人臉特征點跟蹤是后續(xù)人臉識別和表情分析的基礎(chǔ)。學者們已提出了很多的跟蹤算法，但是在現(xiàn)實應用中，視頻中的人臉容易受到姿態(tài)、表情和遮擋等各種內(nèi)外因素的影響，使得人臉特征點跟蹤變得非常困難。復雜背景下人臉特征點的跟蹤問題，仍然值得深入研究。

2、
　　本文的主要研究工作和創(chuàng)新性主要體現(xiàn)在以下幾個方面:
　　1、對主流跟蹤算法進行分析對比，仿真實驗對比分析了粒子濾波算法與EKF、UKF算法在跟蹤問題上的誤差率。實驗對比分析了Mcanshift、光流、KLT等跟蹤方法的準確率。實驗證明，選取粒子濾波用于面部特征點的跟蹤，是行之有效的。
　　2、在構(gòu)建的形狀約束模型基礎(chǔ)上，提出了一種基于顏色和紋理特征的粒子濾波人臉特征點跟蹤算法。由于鼻子特征點在整個跟蹤過程中變化很

3、小，因此以它為基準點對眉毛、眼睛、嘴巴等關(guān)鍵特征點構(gòu)建一個形狀約束模型。然后，提取各個特征點區(qū)域的顏色和紋理特征，計算每個特征點在下一幀與上一幀中全部特征的相似度，將相似度最高的地方作為該特征點的最佳目標位置。當特征點的誤差超過約束模型中的約束條件時，重啟ASM算法進行特征點定位，然后再進行粒子濾波跟蹤。實驗證明，該算法能有效改善復雜背景下的姿態(tài)、表情和遮擋變化帶來的影響，具有很好的準確性和魯棒性。
　　3、提出了一種改進的Con