基于三维模型与gabor小波的人脸特征点跟踪方法

《基于三维模型与gabor小波的人脸特征点跟踪方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、DCS：:IO.1QCBQZ3K.2311.01OC5基于二维模型与Gdocr"小波的人脸特征点跟踪方法战江涛刘强3,柴春雷1浙江大学计算机科学与技术学院.浙江杭州31GCE7:2.浙江机屯职业技术学院设计艺术系.浙江杭州31QDEB;3.濟华大学美木学院，北京XBCBO摘要：为了实现人脸特征点跟踪系统的钤棒性和精确性，使用光束平差法校型将莊于三维人脸儿何校型的跟踪方法与基于•小波的特征点跟踪方法结合起來.提出基于三维模型与小波的人脸特征点跟踪方法.这方法使用基于、波的特征跟嫁方法来得到毎帧的初始特征点，使用基于三维人脸几何模型的整合优化

2、跟嫁方法來得到每帧的圾终特征点.与3类典型人脸特征点跟踪方法的对比实验结泶表明，该方法克服了以往方法薄于二维阁像信息來寻找特征点的局限性，可以实现魯棒的、实吋的、人允度的人脸特征点跟踪.关键词：人脸特征小波三维跟踪；光朿平差法文献标志碣：A文章编吁:xub^xsktoil«>c«<37rnooHanclZHANJ^teo2,LBJGfa^，CHAtChurrK1令.CfcJ^^pof^ChjTizjJter-SdBrc^andTe±rdz^<»及与Ha*gpbDu31QCE7,Owna2.C^zjartmartizjF/^rt»Modna

3、^'fcslandElslri^alHa^g^hou310083,ChwnBJ3.A^azferr^/oF/^rteand»□ajr^TOOCB^，China)A3dtrsdt二Anewtkfci

4、srieGanbecaad'Er*icfaudbre^tBneanclv^feoq^fe-fed^lB^Lreftrac^i^.K^wztcfe:;Q±Er-vvev^fet:■tbrasc对视频序列中的人脸特征点进行实吋的IM动化跟踪足计算机视觉研究中一个基础且具科挑战性的问题.学者们针对该H题提出了很多方法，这些方过在总体上可以分为2类：自顶句下的方法和自底向上的方法n1.自顶句下的方法基于人脸全部器官ft像的特征，典型的flGodes等U提出的主动表观模型么八1/1)、1^等6]提出的直接表观模型

5、

6、汲网络的人脸特征跟踪方法.以往的各类人脸特征跟踪方法0d只使用二维的人脸阁像信息，比如主动形状模型j使用二维人脸全局形状信息和特征点局部纹理信息；AAM模型u使用二维人脸的全局形状信息和纹理信息迦丁•小波的各类方法均利川人脸特征点周围的纹理信息.实际上，除了眼睛和嘴巴附近，人脸上各个特征点的运动近似等于三维刚体点的运动，并且这些点之W的相互约朿关系保持不变.人脸特征点之间的三维约束关系可以用来解决当人头旋转角度过人吋特征点跟踪丢失的问题.基•丁•上述考虑，本文借鉴7^0=^11等&］提出的基丁•脱机和联机倍息的三维跟踪算法思想，提出一种

7、基于三维模型与小波的人脸特征点跟踪方法.该h'法针对人脸实吋跟踪的特点，在逐帧跟踪方而采川基于小波的跟踪算法b人在三维模型辅助跟踪方而采用提出的算法，最后采用光來法平差税型将两者结合起来得到ii后的跟踪结果，1跟踪算法流程图跟踪算法流程如图1所示，可以看出，本文算法主要由3个部分构成狗造初始欠键帧、基TGAsa-小波的逐帧跟踪、基于三维模型的整合跟踪.构造初始化关键帧步骤根裾第1帧检测到的人脸特征点分布信息，将一个通川的三维人脸模型作相应的变形，使得二维人脸特征点集p与三维人脸特征点集P—一对应，基于该对应关系求解三维人脸的姿态参数FK,

8、将和民均作为关键帧信息K存储卜來.基于C^3cr"小波的逐帧跟踪不考虑人脸三维信息，根据Ml和训练好的@□^小波Jte库，通过•小波变换来佔计M1,计算速度快，但结果屮会存在一些误差.基于三维