聚类与跟踪相结合的人脸数据集生成方法研究

为提高人脸数据集生成的准确率和效率,提出了一种将人脸跟踪与人脸聚类相结合的人脸数据集生成方法.首先,对KCF算法进行改进,并将改进的KCF算法用于人脸跟踪,得到不同时间片段的人脸图像集; 其次,从每个人脸图像集中通过人脸图像优选算法选出高质量的人脸图像; 再次,将优选出来的人脸图像进行人脸聚类,以完成视频中每个人的人脸数据集的生成; 最后,通过实验对比基于人脸跟踪、基于人脸聚类和基于本文方法的人脸数据集生成效果.实验结果表明,本文方法与基于人脸跟踪的人脸数据集生成方法相比,纯度提升约15%; 与基于人脸聚类的人脸数据集生成方法相比,效率提升约50%.     

三维人脸衰老数据库的生成

采用改进的形变模型方法将真实人脸衰老图像重建成三维人脸,进而生成三维人脸衰老数据库,并根据性别和年龄形成三维衰老人脸性别子库和衰老子库.结果表明,此方法可有效地为三维人脸衰老化研究提供三维衰老人脸数据.     

基于线性组合模型的人脸特征检测方法

为了实现人脸图像特征的自动检测,提出了一种基于线性组合模型的人脸特征检测新方法.该方法通过原型人脸标定获取人脸特征知识,并使用模型匹配来检测目标人脸特征.在建立人脸线性组合模型的过程中,提出了局部约束光流算法,解决了有局部特征信息的人脸图像稠密对应问题.在MPI和ORL人脸数据库上进行的人脸特征检测得到的平均误差分别为96.7%和86%,该结果表明了基于线性组合模型的人脸特征检测方法是有效和实用的.     

基于惩罚因子的PNMS算法的人脸检测和对齐

针对人脸相互遮挡、人脸朝向等不确定性因素给人脸检测和对齐任务带来的困难问题,提出了基于惩罚因子的PNMS算法用以改进人脸检测和对齐的准确性。该算法首先根据人脸候选窗口相互之间的重叠度和候选窗口相应的检测得分,提出非连续的线性函数和基于高斯分布的连续函数,作为非极大值抑制算法的两种惩罚因子,用以改进并替代传统非极大值抑制算法对候选窗口的检测得分进行重分配。在此基础上,综合前两种惩罚因子的优缺点以及窗口之间的重叠度值,进一步提出连续非线性函数作为非极大值抑制算法的惩罚因子,使得窗口之间重叠度值越大则相应的惩罚权重越严重,且函数在整个重叠取值区间连续。将提出的算法在FDDB和WIDER FACE这2个人脸检测数据集上进行详尽的人脸检测实验验证,以及在AFLW人脸对齐数据集上进行人脸对齐实验验证。结果表明,提出的基于惩罚因子的PNMS算法相比于其他算法,在保持一定实时性的同时不仅有效地提高了人脸检测和对齐的准确率和可靠性,并且解决了一定程度的人脸相互遮挡被漏检的问题,降低了被遮挡人脸的漏检率。     

基于三维特征点模型的人脸表情识别算法

提出了一种基于三维特征点模型匹配的人脸表情识别算法.首先,以混合树结构建模不同姿态脸部特征组合,实现特征点定位,并建立脸部三维几何特征模型;然后,基于广义普鲁克分析原理对特征点模型进行归一化计算,并建立具有鲁棒性的匹配特征;最后,采用支持向量机实现表情的训练和识别.通过对BU-3DFE数据库中6种脸部表情的测试,表明该算法能够达到很好的识别效果.     

基于聚类建模的三维人脸识别技术研究

由于信息采集困难、环境条件约束、实现方式和手段不足等原因,三维人脸识别技术还很不成熟.为此提出将聚类技术应用到三维人脸建模过程中来提高建模的效果和效率.首先定义了三维人脸相似性,提出了圆锥曲线相似性定义方法.其次基于三维人脸聚类建模提出了人脸识别系统的新框架,设计了与新系统对应的识别策略.实验证明,基于聚类建模的人脸识别系统在进行人脸识别时所用的时间远远少于采用传统形变模型的方法所用的时间,而且对人脸样本的数量不敏感.     

基于正交图像生成人脸模型的合成分析方法

针对采用现有基于图像的人脸建模方法生成的三维人脸模型存在的人工性缺陷问题,提出了一种基于合成分析方法的个性化三维人脸建模方法.利用合成方法由两幅正交人脸图像生成一个初始三维人脸模型,比较基于颜色直方图方法合成的人脸图像纹理与输入图像纹理的差异,根据纹理差异来指导对人脸网格的局部自适应细分,不断调整合成的三维人脸模型,从而更好地保持了人脸的精细细节特征.实验结果表明,使用该细分反馈算法,可以减少模型的人工性缺陷,在整体上提高了合成人脸模型纹理的真实感.     

基于深度卷积和自编码器增强的微表情判别

为了判别微表情种类,提出基于深度卷积神经网络和迁移学习的微表情种类判别网络MecNet. 为了提高MecNet在CASME II、SMIC和SAMM联合数据库上的微表情种类判别准确率,提出基于自编码器的微表情生成网络MegNet,以扩充训练集. 使用CASME II亚洲人的微表情样本,生成欧美人的微表情样本. 设计卷积结构实现图像编码,设计基于子像素卷积的特征图上采样模块实现图像解码,设计基于图像结构相似性的损失函数用于网络优化. 将生成的欧美人的微表情样本加入MecNet训练集. 实验结果表明,使用MegNet扩充训练集能够有效地提高MecNet微表情种类判别准确率. 结合MegNet、MecNet的算法在CASME II、SMIC和SAMM组成的联合数据库上的表现优于大部分现有算法.     

基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

基于前向学习网络的人脸欺诈检测

为了克服现有人脸欺诈检测方法在少样本应用场合下的局限性,将前向学习网络用于欺诈检测.通过前向学习的方式从图像中无监督地学得卷积滤波器,在人脸欺诈检测应用场合下,对前向学习网络进行了改进,改进后的网络使用了面向人脸欺诈检测任务的卷积滤波器.使用主成分分析变换所得的最小特征值对应的特征向量作为卷积滤波器提取图像的特征.将所提方法在CASIA-FASD、Idiap Replay-Attack和OULU-NPU数据集上进行了验证,实验结果表明,在少样本跨攻击类型实验中,所提方法显著提升了欺诈人脸检测的准确率.     

一种改进的基于小波变换的人脸光照归一化方法

针对光照对人脸识别影响的问题,提出了一种改进的基于对数域多级小波分解的光照归一化方法。首先将手工裁剪后的人脸图片进行对数变换,然后将对数域图像进行多级小波分解,将低频系数置零,并将多个尺度上的高频系数分别乘以不同的高频增益,突出光照不变性分量。采用经典的PCA人脸识别算法,在耶鲁B与CMU PIE人脸数据库的实验结果表明,本文方法能有效地消除光照对人脸识别的影响,并有效提高识别率。     

基于关联图关键边发现的人脸图像聚类算法

针对真实场景中大量类别数未知、样本数量不均衡、数据分布复杂等导致人脸图像智能提取准确率低的问题,提出了基于关联图关键边发现的人脸图像聚类算法。首先,通过融合多个卷积神经网络提取的图像样本特征,获得鉴别性更强的特征向量,并计算不同样本之间的相似度;然后,利用拒真率和认假率设置合适的门限值,将得到的相似度结果与门限值进行比较,筛选出相似程度高的样本对,并添加样本对之间的连接边来构建关联图;再利用介数中心性测度,设计关键边发现方法,挖掘关联图中可能连接不同簇的重要连接边;最后,采用图卷积网络确认是否存在上述重要连接边以获得最终的聚类簇。实验结果表明,所提算法能够提高人脸图像聚类的准确率。     

人脸图像检索系统的设计

为了能直接通过图像检索自己所需要的信息,提出了一种直接根据人脸图像来检索信息的技术,采用基于重心模板匹配的人脸检测技术与主成分分析方法、线性判别分析方法相结合的人脸识别技术设计并实现了一个人脸图像检索系统.该系统对于视频序列和大容量的人脸数据库能够实时进行人脸图像检索.实验结果表明:该系统交互性好,检索准确率高,检索时间短,能较好地满足用户的要求.     

基于小波近似分量非参数鉴别分析人脸识别算法

根据小波变换原理,采用dbl小波基函数,对人脸图像进行3级小波分解。将3层小波近似分量进行重组,得到新的样本向量集。由于非参数鉴别分析对非高斯分布样本集具有良好的适应性,提出了基于小波近似分量和非参数鉴别分析的人脸识别算法。在样本向量集上应用非参数鉴别分析,形成类内和类间矩阵,然后利用Fisher线性鉴别进行人脸识别。实验结果表明,在ORL和CAS-PEAL-R1人脸库上使用上述算法的识别率分别为95％和97．5％。     

基于肤色信息的快速人脸检测

讨论了人脸检测问题中精度和速度在此基础上结合眼睛的定位算法,最终精确得到人脸的位置.实验结果表明,本算法能较为准确快速地定位出彩色图片中正面人脸以及小角度偏转的人脸.     

一种人脸的检测与定位方法

提出一种基于肤色的人脸检测定位算法,设计了基于肤色的人脸检测和定位系统.采用了增强人脸特征与脸部皮肤之间对比度的方法以及二值化方法,改进了预处理的效果.使用了基于边界方法和基于区域方法相结合的算法,提取了眼睛、嘴和鼻子等关键特征,最终较好地实现了人脸定位.在MicrosoftWindows ME平台上,利用Visual C 6.0开发了软件.实验结果表明,该软件对于一定尺寸范围内清晰的正面人脸图像能够正确检测定位并提取特征.     

利用双重彩色空间肤色模型实现快速人脸检测

在单独采用HSI彩色空间或YCbCr彩色空间肤色高斯模型进行人脸检测的基础上将二者结合起来,提出了一种利用双重彩色空间肤色模型实现快速人脸检测的方法。这种方法利用了在不同肤色模型之下都可以大致检测出人脸区域,并且所误检测的背景范围差异较大,同时被两种肤色模型都误检测为人脸的可能性较小,所以取其检测结果的共同点,就是大致的人脸区域,而误检测为人脸的背景区域就被去掉了。之后采用较为简单的算法,就可以从这个大致的人脸区域中定位真正的人脸区域。该方法不需要建立极为精确的肤色模型,也不需要在人脸检测得到二值化结果后,采用较为复杂的算法,从二值化结果中定位人脸。该方法适合于在特征提取前使用,去除多余的背景信息,提高图像处理和识别的速度和准确度。     

基于小波变换的人脸检测

提出了一种基于二维离散小波变换的人脸检测算法。该算法采用Haar小波计算小波脸,导出了提取人脸特征向量的相应公式,利用感知准则训练线性分类器进行分类判决。在4个不同的人脸数据集上与特征脸方法进行了比较。结果表明,该算法的计算效率和检测精度均优于特征脸方法。