基于改进ASM的人脸特征提取算法研究与实现

论文摘要

通过犯罪嫌疑人的面部特征对其进行身份确认一直以来都是技侦专家所面对的主要困难。这一问题不仅造成了破案时机的延误,也加大了办案人员的工作量。随着城市监控覆盖率的提高,获取嫌疑人的面部特征甚至清晰的人脸图像成为可能。与此同时,按照统一标准采集的公民第二代身份证照片已登记在案。通过对公民身份证照片进行人脸特征提取,建立特征化的人脸照片库,就可以使用计算机自动根据已知的嫌疑人面部特征进行身份确认。基于对人脸特征提取技术的深入研究,本文的主要工作有：(1)主动形状模型算法(Active Shape Model, ASM)的研究与实现。主动形状模型是一种基于统计学思想的特征点提取方法,分别使用两个子模型进行局部特征点搜索和全局形状约束,达到了较好的特征点提取效果。(2)对主动形状模型的改进。主动形状模型的两个子模型：局部纹理模型和全局统计模型的迭代方式造成了特征点定位偏差,降低了特征点提取的精确度。针对造成这一问题的原因,本文提出了改进算法,使用局部纹理模型对全局统计模型定位的特征点作进一步修正,显著改善了特征点的提取精度。(3)身份证照片的特征提取优化。针对身份证照片提出了背景减除算法,实现了人脸整个外围形状的精确提取。此外,增加了对人脸中鼻孔形状的提取,丰富了后续用于人脸分类的判定标准。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.1.1 人脸识别及其意义
• 1.1.2 人脸识别的优势及难点
• 1.1.3 人脸识别系统的构成
• 1.2 人脸特征提取
• 1.2.1 图像分割、可变形模板与点分布模型
• 1.2.2 主动形状模型
• 1.2.3 主动外观模型
• 1.2.4 前人对ASM的改进
• 1.3 本文的主要工作
• 1.4 论文组织结构
• 第二章 人脸检测
• 2.1 引言
• 2.2 人脸检测技术
• 2.2.1 基于肤色区域的方法
• 2.2.2 基于启发式模型的方法
• 2.2.3 基于统计模型的方法
• 2.3 VIOLA-JONES检测器
• 2.3.1 Haar-like特征
• 2.3.2 积分图像
• 2.3.3 Adaboost算法
• 2.3.4 级联
• 2.4 本章小结
• 第三章 主动形状模型
• 3.1 引言
• 3.2 形状和形状向量
• 3.2.1 形状
• 3.2.2 形状的对齐
• 3.2.3 形状模型
• 3.3 局部纹理模型
• 3.3.1 纹理的形成
• 3.3.2 局部纹理模型的建立
• 3.3.3 纹理的搜索
• 3.4 全局统计模型
• 3.4.1 对全局统计模型的深入理解
• 3.4.2 一个示例
• 3.5 本章小结
• 第四章 ASM的实现
• 4.1 引言
• 4.2 人脸数据库
• 4.3 ME17评估
• 4.4 建立纹理模型
• 4.4.1 纹理模型搜索参数：nProfWidth和nPixSearch
• 4.4.2 搜索参数：nMaxSearchIters和nQualifyingDisplacements
• 4.4.3 晶须的方向
• 4.4.4 对训练集的讨论
• 4.5 对经典ASM的改进
• 4.5.1 经典ASM的缺陷
• 4.5.2 改进算法
• 4.6 本章小结
• 第五章 特征点提取优化
• 5.1 引言
• 5.2 背景减除
• 5.2.1 图像的灰度化
• 5.2.2 背景灰度取样
• 5.2.3 扫描
• 5.3 鼻孔形状的提取
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 附录