人脸定位跟踪的增强现实系统研究与实现

论文摘要

人脸是人类日常行为中所见的最普遍的模式,是人类非常重要的交流、表达情感的通道,也是体现个体特征的重要部分。随着增强现实技术的不断发展,人脸增强现实是当前计算机视觉与计算机图形学领域的一个研究热点,在娱乐产业、人机交互、多媒体以及视频通讯等领域具有广泛的应用前景。尤其是最近几年,Iphone和Ipad等手持终端的兴起,高清晰的显示板和GPS等传感器的结合,为人脸增强现实技术的商业化应用的打下了基础,人脸增强现实技术必将迎来新一轮的热潮。本文创新的给出了一种能够解决人脸跟踪定位的增强现实的方法。该方法首先通过AdaBoost算法检测出摄像机采集得到人脸图像,然后应用AAM算法标定关键特征点,并构造匹配的三维人脸网格模型,然后应用POSIT算法估计出人脸的姿态参数,最后将虚拟物体与三维人脸网格模型相衔接,得到最终的增强现实效果。本文还分析了人脸定位跟踪的增强现实系统的主要功能模块,在研究关键算法和系统结构的基础上,实现了一个换戴眼镜的增强现实演示系统。应用结果表明该增强现实方法和系统的可行性与实用性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 人脸定位跟踪的增强现实现状
• 1.3 本文的主要内容
• 1.4 本文的章节安排
• 第二章 人脸图像预处理
• 2.1 人脸图像的几何归一化
• 2.2 人脸图像的光照归一化
• 第三章 人脸检测算法
• 3.1 AdaBoost算法原理
• 3.2 AdaBoost训练过程
• 第四章 AAM算法
• 4.1 形状统计模型的建立
• 4.1.1 人脸关键特征点
• 4.1.2 形状对齐
• 4.1.3 主成分分析
• 4.2 纹理统计模型的建立
• 4.2.1 形状无关图像的获得
• 4.2.2 纹理归一化
• 4.2.3 对形状无关的图像进行主分量分析
• 4.2.4 对纹理统计模型的改善
• 4.3 混合模型
• 4.4 模型匹配
• 4.4.1 基于线性回归的AAM模型匹配算法
• 4.4.2 基于Lucas-Kanade的模型匹配算法
• 4.4.3 基于反向组合的AAM模型匹配算法
• 第五章 人脸姿态估计
• 5.1 人脸姿态的表示方式
• 5.2 成像变换及摄像机几何模型
• 5.3 POSIT算法
• 5.4 人脸姿态的求解
• 第六章 人脸增强现实系统
• 6.1 软件结构
• 6.2 戴眼镜的增强现实演示系统
• 第七章 结论
• 7.1 总结
• 7.2 未来展望
• 参考文献
• 致谢