当前位置:首页 >> 能源/化工 >>

数据融合作业


基于 ASM 的人脸定位
鲁春
安徽工程大学,芜湖,241000 E-mail: 1114510762@qq.com 摘要:本文介绍了现今的主要人脸检测和定位的技术。首先阐述了几种检测方法并比较各自的优劣,人脸的定位是整个疲劳检 测的非常重要的环节,将为下一步的参数提取奠定基础,本文选用并实现了基于的人脸定位方法。首先介绍了 ASM 的基本原 理,然后用定位人

脸特征点,用眼睛特征点进行了人眼区域的粗定位。 关键词:人脸检测 人脸定位 ASM

Face Location Based on ASM
luchun
Anhui Polytechnic University, Wuhu241000 E-mail: 1114510762@qq.com Abstract: This paper introduces the current main technology of face detection and location. Firstly, it expounds the several testing methods and compares their advantages and disadvantages,The human face localization is an important link in the whole fatigue testing .This paper chooses and implements the face positioning method. It mainly introduces the basic principle of ASM, and then use the positioning face feature points, with his eyes feature points on the coarse position of the human eye area. Keywords: face location face detection ASM

1 引言 ASM(Active Shape Model)主动形状模型是一 种物体形状描述技术,最初由T.F.Coots等人提出的, 是一种基于统计模型的图像搜索方法。它在思想上 类似于主动轮廓模型ACM,即定义一个能量函数, 通过调整模型参数使能量函数最小化。它们的共同 点是都是不断调整初始形状,从而匹配到期望的形 状。与ACM相比,ASM的优点是能根据训练数据来 控制参数的调整,从而将形状的改变限制在一个合 理的范围。ASM具有更好的精确度,因而也被更广 泛的应用在人脸识别领域中。 2 ASM 模型建立 ASM人脸模型的建立包括人脸形状模型和灰度 模型的建立。 ASM的模型是基于点分布的,点分布模型的方 法是假设存在一组M个样本的训练集,从中可以得 到样本形状的统计描述以及它的变化。通过边界点 像素坐标实例表示的形状的实例称作样本,边界点 一般考虑选在可以表示出目标对象轮廓的地方。比

如:高曲率点、拐角点、型连接处等应用在人脸图 像中即可以选择眼角、鼻子、嘴角、瞳孔和人脸外 轮廓边界上的点。 本文也依据类似的原则来标定特征点,下图即 为根据新一代多媒体数据压缩标准MPEG-4(国际标 准组织ISO运动图像专家组,Moving Picture Experts Group,MPEG)定义的人脸特征点标定图,也是本 文所参考的个特征点的人脸形状图。

图 1 人脸 68 点特征 先用手工标注的方法,训练集中每幅人脸图像 的标定点形成一个向量:

xi ? (xi 0 , yi 0 , xi1 , yi1 ,..., xik , ? y ,..., x ,y )
ik i ( n ?1) i ( n ?1)

X ? ?x1 , x2 ,...xi ,...,xN ?
其中,图片训练集数目为 N。 形成向量后将训练集中的不同的形状对准,来 得到人脸形状模型。原则上标定特征点的时候有一 些基本的规则,一般至少包括下面三个规则: 标定点应该选择高曲率点、拐点以及外边界轮 廓点等特殊点,比如说‘’形区域的交叉点,或者 角度比较尖锐的位置。 为每一个对象标注的点的对应位置应保持一 致。 特征点的位置应具有对称性。

(2)在所有的样本都对齐后,对平均基准图的 个向量求平均,求得平均向量。 (3)规格化这个求得的平均向量,将所有对齐 后的图像与这个规格化后的平均图像对齐。 (4)验证这个平均图像是否达到以下标准,包 括:对齐后图片与平均图像间的距离是否达到要求 每次图像间距离相对于上一次规格化的平均图形的 距离是否还会收敛;我们设定的最大迭代次数有没 有达到。当达到我们以上的所有要 求之后,说明对 齐过程结束。 图像的目标形状对准之后,训练集图像中的目 标人脸在形状和位置上趋于归一,配准后的各个样 本相对于平均形状的偏差最小,它们主要包括:

?i ?X dX i ? X
W? 1 N N ?1 ? i ? 0 dX i dX i

? ?

?

假设W的非零特征值为 ? , ? 对应的特征向量 2 ASM 模型对齐 图像标定完成后,每幅图像大小和角度各不相 同,所以每幅图像之间的特征点差别也比较大,为 了建立训练样本集的点分布模型,在近似的意义上 将训练样本图像形状进行对齐,使训练数据处于同 一级坐标系下,这样使在不同样本下的对应的处于 一个数量级。具体的对齐步骤如下: 选择一幅基准图像, 把所有其它图像与它对齐。 假设原图为,对比图为 X1,它们的数学描述式应该 为: 为p。这些特征向量描述了形状空间的变化模式,由 于计算是在2n维空间中,所以先进行降维从而来减 少计算量是很好的解决方案。维数问题是解决模式 识别问题时的常见问题之一。由于线性组合容易计 算,所以采用组合特征的方法来降维是一种非常有 效的方法,具体是对几个特征作线性组合。本质上 说, 这种方法就是把高维的数据投影到低维空间中。 用来寻找有效线性变换的方法是主成分分析法 PCA(Principal Component Analysis)。在对齐处理人 脸训练样本集中的形状向量之后,就可以使用法来 找出形状变化的统计信息及规律, PCA是寻找在均方 意义下最能代表原始数据的投影方法。具体过程可 以表示如下: 设定 X 为样本向量的平均形状向量,那么数据 的协方差矩阵S即是:

? x1 ? ?x11 , y11 , x12 , y12 ,..., x1k , y1k ,..., x1n , y1n ? ? x2 ? ?x21 , y21 , x22 , y22 ,...,x2 k , y2 k ,..., x2 n , y2 n ?
将对比图 f(X)经过平移、 缩放、 旋转等变换与基 准图像对齐,使 | f ( X ) ? X 2 | 最小。对于相似性变
2

换函数 f 的描述,f 应该是:

? x ? ? ?a ? b? ? x j ? ?t x ? ? j ??? ? i ? ? ?t ? ? ? ?b a ? ? ? ?y ? ? y? ? yi ?
其中, a ? s cos ? ,b ? s sin ? ,s 代表缩放因 子, ? 代表旋转因子,t 代表平移因子。

1 S? N

?(X
i ?1

N

i

? X ) ? ( X i ? X )?

(2)在计算协方差矩阵S之后,可得S的特征值 和特征向量,并将特征值按降序的顺序排列:

? Spi ? ?i p ( ; i ?i ? ?i ?1;pi pi ? 1 i ? 1,2,......, 2 N)

最后,构造样本的统计形状模型:

X ? X ? Pb
上式为训练样本集的形状统计模型, 形状参数b 的维数m,可以通过用逐步增加特征向量个数的方 法来构造模型,测试每一步模型描述样本的能力, 选择刚好符合要求的第一个型,即符合要求的最少 特征向量所构建的模型。 由于取相邻点间法线会受到很大干扰因素,所 以沿着每个过该个标注点邻近的两点直线的法线方 向,然后分别在标注点的两边取n个像素的灰度值, 则每个对应的灰度模板就是关于这2n+1个灰度值的 统计模型。 记图像第i个样本上的的第j个特征点提取 的长度为个np像素的灰度值为

gij



gij ? gij1 , gij 2 ,......,gij( 2np ?1)

?
图 2 基于 ASM 的人脸搜索结果

? g ij ?| g ij 2 - g ij1 , g ij3 - g ij 2, ......, g ij ( 2 np ?1) - g ij 2 np |?
对进行归一化,归一化后的梯度向量可以表示 为

Gij ?

?k ?1 g

? g ij 2np

?
ijk

3 结论 本文主要采用了 ASM 主动形状模型来定位人 脸基本特征点, 通过 ASM 模型的一系列建立、 对齐、 归一化来实现了人脸面部特征点的定位,为下一步 的疲劳检测提取具体人眼位置和眼部细节特征奠定 基础。

计算平均灰度的协方差矩阵:

参考文献
[1]刘成明,张立明. 一种改进的人脸特征点定位 方法[J].复旦学报(自然科学 版),2006,45(4):457-460 [2] 杨杰,张田昊等 . 改进的主动形状模型方法 在人脸特征点定位中的应用[J].上海交通大学学 报,2007,41 : 1320 - 1323. [3] 田源,于凤芹人脸检测方法综述,[J].计算 机安全,2009,( 5) : 76 - 79. [ 4] 张向东, 李波.基于 Gabor 小波变换和 PCA 的 人脸识别方法[J].电子科技, 2007(4):72-74.

N 1 ? ? Sj ? ? Gij ? G j ??Gij ? G j ? N i ?1
现在,灰度模型己经建立成功,可以进行此后 的人脸定位。通过对平均形状进行缩放、旋转、平 移初始化形状向量等操作,从而找下一步变形的点 的位置,就可以进行图像的定位了,定位结果。


相关文章:
数据融合作业
数据融合作业_能源/化工_工程科技_专业资料。基于 ASM 的人脸定位鲁春安徽工程大学,芜湖,241000 E-mail: 1114510762@qq.com 摘要:本文介绍了现今的主要人脸检测和...
数据融合作业
数据融合作业_数学_自然科学_专业资料。北京航空航天大学 数据融合大作业 学姓学 院:仪器科学与光电工程学院 名:孙洁洁 号:DY1317114 联系方式:13261011124 完成时间...
多传感器数据融合作业
多传感器数据融合作业 隐藏>> 汽车防盗系统中的多传感器数据融合一、 引言汽车日益成为人们生活中不可缺少的部分,然而,令汽车用户担忧的是车 辆被盗现象呈逐年上升...
多信息融合作业
多信息融合作业_信息与通信_工程科技_专业资料。制造系统多信息融合及应用 A:简...答:数据关联分为静态数据关联和动态数据关联,静态数据关联存在三种典型情况:具有...
多传感器数据融合实例
多传感器数据融合实例_电子/电路_工程科技_专业资料。多传感器数据融合实例 传感器作业 学号:20103074 姓名:李文博 班级:自动化 1006 班 多传感器信息融合技术在林业...
传感器融合作业
传感器融合作业_信息与通信_工程科技_专业资料。姓名:王亚军 一.文献阅读 学号:2120150937 学院:自动化模式识别 1. 多传感器数据融合技术研究进展/《传感器与微系统...
西北工业大学 信息融合期末作业-
西北工业大学 信息融合期末作业-_工学_高等教育_教育专区。西北工业大学 信息融合...数据处理技术、计算机技术、网络通讯技术、人工智能技 术和并行计算的软硬件技术...
信息融合-中国矿业大学考试作业
信息融合-中国矿业大学考试作业_工学_高等教育_教育专区。信息融合-中国矿业...将数据库管理系统全部 归于公共操作环境(COE)而至于融合范围之外;讲 1998 年...
多信息融合第二章作业2
多信息融合第二章作业2_信息与通信_工程科技_专业资料。综述: 证据理论的研究...电量预测领域的应用分析证据理论研究的历史在处理不确定数据方面, 证据理论以其在...
数据挖掘作业1
数据挖掘作业1_计算机软件及应用_IT/计算机_专业资料。数据挖掘技术只是总结数据...1.2 数据挖掘技术的含义与数据挖掘相近的同义词有数据融合、数据分析和决策支持...
更多相关标签:
数据融合 | 多源数据融合 | 数据融合算法 | 数据融合技术 | 多源异构数据融合技术 | 多传感器数据融合 | 多源异构数据融合 | 大数据融合 |