非刚性人脸跟踪（一）

最新推荐文章于 2019-06-01 18:06:01 发布

Luts

最新推荐文章于 2019-06-01 18:06:01 发布

阅读量2.2k

点赞数 3

分类专栏： opencv学习笔记文章标签：人脸跟踪

本文链接：https://blog.csdn.net/yiluoyan/article/details/45540099

版权

本文介绍了非刚性人脸跟踪的基本概念，包括几何约束、面部特征检测器、人脸检测与初始化以及跟踪过程。强调了数据驱动的重要性，特别是数据收集和标注在人脸跟踪算法中的作用。文中详细阐述了构建标注工具的过程，包括图像捕获、特征选择、连通性和对称性的标注，并提供了实际操作的示例。

摘要由CSDN通过智能技术生成

非刚性人脸跟踪是对视频流的每帧中人脸特征进行准密（quasi-dense)集估计。非刚性 是指面部特征间的相对距离会随着面部表情和人群的不同而变化。

书本涉及的内容：

实用工具：简要介绍本章中所使用的常用结构和约定，包括面对对象设计、数据存储与表示，以及数据收集和标注的工具。

几何约束：介绍如何从训练数据学习面部几何及其变化情况，也将介绍在跟踪过程中如何利用它们来约束输出，包括对面部进行线性的形状模型建模，以及如何在模型的表示中引入将全局变换。

面部特征检测器：介绍如何学习面部特征的外观，以便在跟踪的人脸图像中检测它们。

人脸检测与初始化： 如何使用人脸检测来初始化跟踪程序。

人脸跟踪： 通过图像对其处理将前面介绍的所有内容联系起来，用于跟踪系统。

各部分联系如下：

这里写图片描述

一、面向对象设计

类的读取和写入序列化实现：引入XML/YAML文件存储类。展示例程：

#include <iostream>
#include <cv.h>
#include <highgui.h>

using namespace std;
using namespace cv;

class Test
{
public:
    int a, b;
    void write(FileStorage &fs) const
    {
        assert(fs.isOpened());
        fs << "{ " << "a" <<a << "b" << b << "}";
    }
    void read(const FileNode &node)
    {
        assert(node.type() == FileNode::MAP);
        node["a"] >> a;
        node["b"] >> b;

    }   
};

template <class T>
T load_ft(const char * fname)
{
    Test x;
    FileStorage f(fname, FileStorage::READ);
    f["ft_object"]>>x;
    f.release();
    return x;
}

template <class T>