论文总字数：19681字

摘 要

人脸检测，人脸识别，人脸跟踪是人工智能领域的重要一部分。当下随着互联网技术越来越走进人们的生活，人脸识别也变得越来越有必要，人脸检测和识别最主要的是特征点的选取，通过对选取的特征点进行比较，来判断输出的结果与真实值是否相等。特征点的选取通常是五官区域点，曲率大的点，人脸轮廓边缘点。这些点通常分布在眼睛，嘴巴，鼻子区域。但是由于一些外在原因，现在还没有一种特别完美的算法可以如人脑一样快速的识别人脸，这主要是因为光照强度，面部姿态，照片老化等原因对算法的识别正确率造成影响。

本文主要介绍了人脸特征点定位这项技术的发展历史和研究意义，简单介绍了几种常用的人脸检测算法。着重介绍了 主动形状模型算法（ASM）并且给出数学公式进行科学的论证。对ASM模型的优缺点加以阐述。针对ASM存在的问题，提出了一些改进的算法。最后通过改进的LBP算法和ASM算法的实验结果进行比较得出结论。主动形状模型可以较好对人脸特征点进行定位其优缺点也十分明显。

关键词： 人脸检测，人脸识别，主动形状模型，人脸特征点定位。

Abstract

Face detection, face recognition and face tracking are important parts of artificial intelligence. At present, with the Internet technology more and more into people's lives, face recognition has become more and more necessary, face detection and recognition is the most important feature point selection, through the comparison of the selected feature points, To determine whether the output is equal to the true value. The selection of feature points is usually a feature region point, a point with large curvature, and a face contour edge point. These points are usually distributed in the eye, mouth, and nose regions. But for some external reasons, there is no perfect algorithm to recognize faces as quickly as the human brain. This is mainly due to illumination intensity, facial posture, photo aging and other factors that affect the recognition accuracy of the algorithm.

This paper mainly introduces the development history and research significance of face feature point localization, and briefly introduces several commonly used face detection algorithms. This paper introduces the active shape model algorithm (ASM) and gives the mathematical formula for scientific demonstration. The advantages and disadvantages of ASM model are discussed. Aiming at the problems of ASM, some improved algorithms are proposed. Finally, by comparing the experimental results of the improved LBP algorithm and the ASM algorithm, the conclusion is drawn. The advantages and disadvantages of active shape model in locating face feature points are obvious.

Keywords: face detection, face recognition, active shape model, face feature point location

目录

第一章绪论 1

1.1人脸特征点的背景介绍 1

1.2 人脸识别国内外研究的发展状况 1

1.3 人脸识别的研究意义 2

1.4 人脸识别的技术应用 2

1.5 本文的组织结构 3

第二章 人脸检测算法 4

2.1 人脸检测算法具有的特点 4

3.1人脸检测的算法 4

3.1.1 基于几何特征的方法 4

3.1.2 .基于直方图粗分割和奇异值特征的人脸检测算法： 4

3.1.3 主动形状模型算法 4

3.1.4 主动外观模型（AAM） 4

2.3人脸检测算法中出现的难点 5

第三章 主动形状模型 6

3.1主动形状模型算法介绍 6

3.1.1ASM的训练 6

3.1.2 ASM的搜索 9

3.2ASM模型的优缺点 10

3.2.1 ASM模型优点： 10

3.2.2 ASM模型缺点： 10

第四章 程序设计和实验结果分析 11

4.1.3 人脸Haar特征分类器 11

4.2 人脸检测的基本流程 12

4.3 程序实现 12

4.4程序运行界面 13

4.5 不同状态下人脸检测效率 14

4.6实验结论 17

4.7 可以改进的方向 17

4.7.1平均形状模型的初始化 18

4.7.2 特征方面的改进 18

4.7.3 face3000及实验对比 18

第五章总结与展望 20

致谢 21

参考文献 22

附录 24

第一章绪论

1.1人脸特征点的背景介绍

近年来人工智能已经越来越贴近我们的生活，比如说阿尔法狗战胜众多围棋高手，越来越人性化的机器人，人类的很多工作已经可以被机器人取代。其中人脸识别又是人工智能当中重要的一部分。做到人脸识别首先要进行人脸特征点定位。对特征点的准确定位事关人脸识别能否成功，进20年来无数科学家致力于开发出优秀的人脸特征点定位算法，由于算法会受到一些外在因素影响，会导致明明有人脸的区域检测不出人脸，明明没有人脸的地方却检测到有人脸，所以特征点的研究是非常有必要的。生活中随处都可以见到有关人脸识别的东西，去银行办理业务，去旅店住宿，过安检等等。人脸识别技术是通过检测人脸的特征点然后与数据库中的样本进行匹配从而达到人脸识别的目的，但是这又是一项具有挑战性的课题，因为种种因素会影响识别的准确性比如说光照，表情，角度等等。但是这项技术从一开始的应用于军事国防，到现在普遍于我们的生活，可以说变得越来越完善。

1.2 人脸识别国内外研究的发展状况

剩余内容已隐藏，请支付后下载全文，论文总字数：19681字