非约束环境下人脸特征点的稳定跟踪-论文.pdf

《非约束环境下人脸特征点的稳定跟踪-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第26卷第7期计算机辅助设计与图形学学报Vol_26NO．72Ol4年7月JournalofComputer—AidedDesignComputerGraphicsJuly2O14非约束环境下人脸特征点的稳定跟踪郭修宵”，陈莹1(江南大学轻工过程先进控制教育部重点实验室无锡214122)2(上海交通大学系统控制与信息处理教育部重点实验室上海200240)(guox—x@126．COITI)摘要：为了对人脸特征点进行精确地跟踪，提出一种在线参考表观模型(()RAM)的算法．首先在原主动表观模型(AAM)中加入在线更新的参考模型；然后采用子空间在线

2、自更新机制，利用增量学习方法在线更新AAM的纹理模型和参考模型；在此基础上，基于同步反向合成建立()RAM的特征点拟合算法．为减少跟踪过程产生的累积误差，利用初始稳定跟踪结果建立纹理子空iN~N*JtN，完成人脸特征点跟踪．实验结果表明，()RAM算法无需训练集，在姿态、表情、光照变化的环境下，能够准确、快速地完成人脸跟踪．关键词：人脸特征点跟踪；在线参考表观模型；模型拟合；纹理模型；子空间重置中图法分类号：TP391StableFaceFeaturesTrackingunderUnconstrainedConditionGuoXiuxiaoa

3、ndChenYing’”(KeyLabf~ratoryoJAdvancedProcessControlforLightIndustry(MinistryoJEducation)，JiangnanUniversity，Wuri214122)2(KLaboratoryofSystemControlandInformationProcessing(MinistryofEducation)，ShanghaiJiaTongUniversity，Shangha200240)Abstract：Amethodfortrackingfacialfeaturepo

4、intsstablyisproposedtocompletethefacialfeaturepointstrackingaccurately．First，theonlineupdatereferencetexturemodeliscombinedwiththeoriginalactiveappearancemodel(AAM)．Second，usethesubspaceupdatemechanism．TheAAMtexturemode1andthereferencemodelareupdatedviatheincrementallearning

5、method．Thentheonlinereferenceappearancemodel(ORAM)fittingalgorithmbasedonsimultaneouslyinversecompositionalisdesigned．Toreducethecumulativeerror，textureSUbspaceresetmechanismISintroducedbasedonthefirststablytrackedframes．Finally，facefeaturestrackingiscompleted．Comparedwithot

6、herAAMalgorithmsthatrequirealargeamountoftrainingdata，()RAMneednotrainingdata．Itisprovedthatthismethodcancompletethefacetrackingaccuratelyandquicklyindifferentposture．facialexpressionandilluminationconditions．Keywords：facialfeaturepointstracking；onlinereferenceappearancemode

7、l(ORAM)；modelfitting；texturemode1：subspacereset人脸特征点跟踪是计算机视觉和模式识别领域输入视频帧序列来跟踪人脸，包括实时用户界面的研究的热点，在智能监控、人机交互等领域有着广泛动态姿态估计、人脸识别及唇读。等．Edwards应用．主动表观模型(activeappearancemodel，AAM)等。于1998年首次提出AAM算法，之后国内外学是普遍应用于视频跟踪的参数化模型，它通过拟合者在此基础上提出了大量改进算法，并将其广泛收稿日期：2013—06—20；修回日期：2013—12—11．基金项目

8、：国家自然科学基金(61104213)；江苏省自然科学基金(BK2011146)．郭修宵(1987～)，女，硕士研究生，主要研究方向为计算机视觉；陈莹