摘  要
近年来，以人脸面部为处理的研究已成为计算机视觉领域中的一项热门课题，对于人脸面部的研究主要包括人脸检测、人脸特征定位、人脸识别、三维人脸重建、人脸表情动画等。本文主要对人脸特征定位进行研究。
本文首先介绍了基于灰度投影人脸特征定位，并结合了SUSAN算子滤波技术给出了自动获得人脸面部十个特征点位置的方法。它的特点是自动定位方法简单、速度快，它的缺点是要在图像大小和灰度归一化之后进行，同时它对表情、饰物以的鲁棒性较差。本文实验表明，在大小和灰度归一化的基础上该定位方法精度很高，有助于提高人脸识别算法的识别率。
然后对鲁棒性较高的主动形状模型（ASM）定位方法进行了深入的研究， ASM模型对初始形状比较敏感，在ASM改进中，本文利用上述灰度投影的方法首先对瞳孔进行精确定位，并以该位置对模型进行初始定位，为防止在局部纹理搜索中陷入局部最小，还提出了边缘约束的局部纹理模型。实验表明，ASM定位方法鲁棒性较高，改进的ASM方法在精度和速度上更是有了很大的提高。

关键词：人脸特征定位； 灰度投影； SUSAN算子； 主动形状模型
 
ABSTRACT
In recent years, human face has already become an important research object in the field of computer vision. Today, the study on human face mainly focuses on  face detection、human face features localization 、face recognition、the reconstruction of three-dimensional human face、the human facial expression animation with 3D,and so on. This thesis concentrates on the human face features    localization .
First, we introduce a method of feature extraction based on gray level projection and SUSAN operator. It’s superiority is simpleness and rapidness, it’s disadvantage is the method need the size uniting and gray level uniting of face image, also it is not robust when the image expression and accouterment is multiple. The experiment shows this extraction way good results after the size and gray level uniting.
Then we focus on the research of Active Shape Models, this extraction method is robustness. In the improvement of ASM, we first use the method above to find the position of the pupils, then we use the result to local the initial model position, Second for the sake of getting into local least when in local texture researching ,we put forward the local texture models based on edge constrained. The experiment shows the ASM is in well robustness, the improvement of ASM also increase the extraction’s speed and precision.

Keywords: feature extraction; gray projection; SUSAN operator; Active Shape models
 
目    录
第1章 绪论 1
1.1 引言 1
1.1.1 人脸识别技术概述 1
1.1.2 问题的提出 2
1.2 人脸特征定位    2
1.2.1 人脸特征定位的研究背景和意义 3
1.2.2 国内外研究现状 4
1.3 本论文主要研究的定位方法 6
1.4 本论文的内容和组织安排        7
第２章 人脸特征定的基础知识 8
2.1 数字图像基础   8
2.1.1 数字图像表示方法 8
2.1.2 灰度级分辨率 9
2.1.3 图像的基本操作 10
2.1.4 灰度直方图 15
2.1.5 图像的复合代数卷积与相关运算 16
2.1.6 梯度运算与边缘检测 17
2.2 统计数学基础       19
2.2.1 基本概念   19
2.2.2 主成分分析法   22
2.3 本章小结       24
第3章 基于灰度投影和SUSAN算子的人脸特征定位 26
3.1 引言           26
3.2 人脸特征描述   26
3.3 SUSAN算子描述 27
3.3.1 SUSAN算子的原理简介 27
3.3.2 SUSAN算子的数学描述 29
3.3.3 SUSAN算子的算法实现 30
3.4 人脸特征定位的具体实现过程  32
3.4.1 眼睛中心的自动定位 32
3.4.2 定位眼角位置 35
3.4.3 鼻孔的定位 35
3.4.4 嘴角位置的定位 36
3.4.5 实验结果和分析 37
3.5 本章小结 39
第4章 基于主动形状模型的人脸特征定位 41
4.1 形状模型的建立  41
4.1.1 特征点标定  41
4.1.2 样本图像对齐  41
4.1.3 统计形状变化模型  45
4.2 局部纹理模型 48
4.3 计算形状和姿态参数 50
4.4 实验结果和分析 51
4.5 本章小结 53
第5章 改进的主动形状模型 56
5.1 ASM存在的不足之处 56
5.2 模型初始位置的改进 56
5.2.1 瞳孔的精确定位 56
5.2.2 基于瞳孔位置的初始轮廓定位 59
5.3 基于边缘约束的局部纹理模型 61
5.4 对局部模型进行改进 63
5.5 本章小结 64
结论 65
参考文献 67
致谢 69

第1章 绪论
1.1 引 言
1.1.1 人脸识别技术概述
1、研究背景和意义
自动人脸识别（Automatic Face Recognition 简称AFR）是指通过面相进行识别，它的研究始于二十世纪六十年代中后期，随着计算机技术的迅猛发展，以及其在公安、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统等方面的巨大应用前景，近四十年来得到了飞速的发展，现今人脸识别技术已经成为模式识别和人工智能领域的一个主要的研究热点。人脸识别是智能人机接口领域的重要研究内容之一；人脸识别作为生物特征识别技术具有巨大的潜在应用前景；人脸识别的研究还涉及心理学、生理学、人工智能、模式识别、计算机视觉、图像分析与处理等多个学科领域，更是模式识别、人工智能和计算机视觉的典型案例之一。对这一问题的研究和解决，有助于对其他对象识别问题的研究分析和解决，人脸识别也因此成为这些基础研究领域的重要课题之一，具有重要的理论研究价值。
2、人脸识别技术的优势和不足