基于多任务特征选择和自适应模型的人脸特征点检测

《基于多任务特征选择和自适应模型的人脸特征点检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代巧：１０００４密级：公开如克Ｉ又ｆＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ硕女专业学位论义基于多任务特征选择和自适应模型的人脸特征点检测作者姓名谢郑楠工程领域计算机技术指导教师许宏丽教授．＾抬养院系计算机与信息技术学院＾；巧寒ＰＵ巧席馈１ｔ＇＾＇爾巧＇。：：二置完＾＾ｉｉｉ二零－六年六月９Ｈ雜品；諭！於交如峰硕±专业学位论文基于多任务特征选择和自适应模型的人脸特征点检测ｒｋｔｅｃｔ－ＦａｃｉａｌＬａｎｄｍａＤｅｉｏｎｖｉａＭｕｌｔｉｔ

2、ａｓｋＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎａｎｄＳｅ－ａｄａｌｆｐｔｅｄＭｏｄｅｌ作者：谢郑楠导师：许宏丽北京交通大学２０１６年６月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编Ｗ供査阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可Ｗ为存在馆际合作关系的兄弟商校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本

3、授权说明）学位论文作者签名：导师签名：為签字日期：言４【｜年４月巧日签字日期：＞／／年／月＞日＾学校代码：１０００４密级：公开北京交通大学硕±专业学位论文基于多任务特征选择和自适应模型的人脸特征点检测Ｆａｃ－ｉａｌＬａｎｄｍａｒｋＤｅ化ｃｔｉｏｎｖｉａＭｕｌｔｉｔ；ａｓｋＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎａｎｄＳｅ－ｌｆａｄａｐｔｅｄＭｏｄｅｌ１４１２５２０５作者姓名：谢郑楠学号：导师姓名；许宏丽职称：教授工程硕±专业领域；计算机技术学位级别；硕±北京交通大学２０１６年６月

4、致谢一老师首先感谢我的导师许宏丽老师和金，论文是在两位老师的指导下完成的，许老师和金老师严谨的治学态度、科学的工作方法及坚持不懈的科研精神令我深深敬佩，同时也对我产生了深刻的影响，在此衷也感谢许老师和金老师对我的关也和指导。在撰写论文的过程中，许老师和金老师认真指导，细也指正，对我的论文中存在的问题一一指出，让我修改论文的过程中对自己存在的不足有了更清晰的认识。在Ｗ后的学习和工作中，我将会铭记老师对我的博啓教导，让这种严谨的态。度继续下去在这两年的研究生生活中，许老师和金老师对我在学习和生活上给予了很大的帮助，，传授给我

5、很多科研方法和专业知识让我在科研方面有了很大的提商，这些都要感谢许老师和金老师的辛勤教诲。一感谢计算机基础教学基地实验室各位老师同学的帮助。实验室里的每位老师和同学都十分地热也和认真，无论是在研究和学习上还是在生活上都给了我很一大的帮助。我非常荣幸能和同学们起努力奋斗，非常感谢各位老师悉也指导。在此我希望实验室的明天更加美好，在科研上的成果更加丰硕。我还要感谢１４级计算机技术专硕２班的各位同学，大家在这两年中互相帮助，也让我们彼此都受益匪浅一。我衷必希望大家前程似锦，蒸蒸日上。再次感谢各位帮助过我的老师和同学。感谢我的父母

6、为我的辛苦操劳，他们为我的成长巧费了大量的也血，养育之恩，无Ｗ为报。本课题得到了国家自然科学基金（Ｎ〇．６１４０３０２４Ｎ〇．６１４７２０巧）和北京，市自然科学基金（４１树０７５）的资助。北京交通大学硕±专业学位论文摘要摘要人脸特征点识别技术是计算机视觉和模式识别领域的一个热口话题。其在实际中应用广泛所Ｗ现在受到越来越多的关注和重视。如何在自然条件的环境变化和人脸主动的变化下定位人脸关键部位是人脸特征点识别主要目的。因此，如何减少光照、遮挡、姿态、表情的影响Ｗ提商鲁棒性，Ｗ及如何在同时存在线性和非线性变化的人脸表观上

7、找到其对应的人脸形状是人脸特征点识别需要解决的主要问题。目前的人脸特征点识别算法主要集中在深度模型方法上和级联回归方法上。。级联回归的方法因为快速简便所Ｗ更有利于应用于实际中然而级联回归的方法有其局限性的地方。级联回归的方法非常依赖于初始化的准确度，Ｗ及在处一理人脸表观非线性变化时有定的困难。得益于监督下降法ＳＤＭ（Ｓｕｐｅｒｖｉｓｅｄ一化ｓｃｅｎｔＭｅｔｈｏｄ的简化处理，级联回归的方法在应对这些问题的时候具有了定的）适应性。但是监嘗下降法仍然需要面对初始化依赖和过度匹配等问题，原因就是一原始的梯度下降法在特征表示上过于单。

8、因此，本文通过引入机器学习中非常有效的多任务学习方法