一种基于反射特性的人脸三维重建方法

不同姿势下的人脸识别研究中的一种重要思路就是在三维空间解决姿势变化问题,如何由二维人脸图像得到三维人脸形状是其中的一项关键技术.本文提出了一种由两幅正面人脸图像估计人脸表面反射特性,重建三维形状的算法.首先根据人脸的对称特性,由两幅给定光照的正面人脸图像,估计得到个性化人脸特征:反射特性(反射系数与法向量的乘积),并提出消除鼻梁阴影的改进算法;然后由反射特性重建三维人脸形状,最后根据估计得到的反射特性和三维形状合成不同姿势下的人脸图像,实验结果表明,本文提出算法合成的人脸图像更自然一些,而且合成图像不受训练集图像的影响.本方法计算简单,并且不需要任何三维人脸数据作为先验知识.     

人脸图像检测及分类系统的研究

本文提出了一个人脸图像检测及分类系统的快速算法.任意输入图像,系统首先通过查询颜色表的方法快速提取出人脸区域.在姿势分类时,本文使用了分类压缩人脸本征空间的方法,降低了对人脸图像训练和分类的计算量.实验结果证明,本算法具有很好的检测和分类性能.     

结合人脸特征和改进的积分投影的眼睛定位方法

对人脸识别中的关键一步——眼睛定位进行深入研究。提出了一种结合人脸特征间的几何关系和改进的积分投影的方法,实现了快速有效的眼睛定位。首先,对输入图像进行光照补偿、最大类间方差阈值分割法的二值化处理和数学形态学的开运算处理;其次,框选人脸区域;最后,根据人脸特征间的几何关系先缩小眼睛区域的搜索范围,并分别框选出左右人眼区域,再利用改进的积分投影及其统计数据的峰值位置分别确定左右眼球的中心位置,然后输出眼睛定位的结果。实验表明,该方法具有很高的精度,对不同角度和不同方向的倾斜人脸、脸部表情及姿势变化等具有很好的鲁棒性。     

复杂背景下人脸检测的数学形态学运算方法

皮肤的颜色特性被广泛地应用于人脸检测和跟踪中,本文采用HSV空间与归一化RGB空间相结合的肤色模型,提取原始图像中的类肤色区域作为候选人脸目标;采用数学形态学算子,分别用来完成去除噪声和干扰,分离侯选目标,提取眼睛嘴巴孔洞,以及标示人脸轮廓等处理过程。大量实验表明,该方法能有效地剔除臂和手等非人脸肤色目标;能克服人脸遮挡,姿势和方向变化,大小差异,光照变化等造成的困难;该方法的计算开销较小,易于实现,适合快速人脸检测。     

基于OpenCV的人脸检测研究与实现

本文针对OpenCV库中人脸检测算法存在的检测效率低、检测人脸范围小、检测人脸不精确、检测人脸包含过多背景等诸多问题进行研究和改进,设计和实现了一个检测范围广、结果精确的高效率人脸检测算法。实验结果表明,改进之后的算法对正脸、左右侧脸、仰头脸、低头脸、半遮挡脸等不同姿态的人脸图像都有较好的检测精准度和效果,且检测耗时更短。     

基于稀疏表示的人脸姿态估计研究

针对人脸光照、遮挡、身份、表情等因素变化的人脸姿态估计难题,结合稀疏表示分类(SRC)方法的优秀识别性能,对SRC理论进行了深入分析,并将其应用于人脸姿态分类.为了解决姿态估计中人脸光照、噪声和遮挡变化问题,将人脸姿态离散化为不同的子空间,每个子空间对应一个类别,据此,提出基于字典学习与稀疏约束的人脸姿态识别方法.通过在公开的XJTU和PIE人脸库上实验表明:所研究的方法对人脸光照、噪声和遮挡变化具有鲁棒性.     

基于对称变换与高斯微分的人脸定位新方法

在实际人脸识别系统中,复杂背景、无控制光照及成像质量对人脸的准确定位造成了严重影响.本文针对上述情况提出了一种室内自然环境下人脸准确定位的新方法.该方法充分利用了人脸具有的强对称性与三维特性,运用高斯微分求图像边缘,再对广义对称变换及径向对称变换加以规则限制,实现了人脸眉心的准确定位及对尺度因子的估计,进而实现了人眼的准确定位,具有很强的稳健性.     

基于PSO的人脸姿态估计

提出了一种人脸姿态估计的新方法。根据三维扫描预先生成一个通用的模型,基于三维形态模型采用粒子群优化算法对人脸姿态进行初步估计,由特征点检测确定姿态大致范围,再在初步估计的结果上进行修正迭代,从而对人脸姿态进行精确估计。实验表明,该方法在简化数学运算的基础上,具有较好的估计效果,平衡了计算复杂度与结果精确度。     

人脸识别中局部遮挡处理技术研究

局部遮挡严重影响了人脸识别准确率,提出了自动最优局部遮挡的重建模型.该模型首先利用人脸图像的灰度值判断人脸遮挡类型,然后利用M估计器(M-estimator)对遮挡掩模进行估计,找到最佳局部遮挡的人脸重建系数,重建人脸,减弱人脸遮挡的影响.实验证明了局部遮挡处理的有效性,明显提高了识别准确率.     

基于肤色特征和Adaboost算法的人脸检测方法探析

针对采用基于肤色特征的人脸检测方法和基于Ada Boost算法的人脸检测,单一方法的人脸检测系统在检测率和误检率方面不能同时达到比较好的效果。因此结合上述两种算法各自的优点,将两种方法相结合并加以改进,主要思想是基于肤色特征的人脸检测作为预人脸检测,得到含有人脸的肤色区域,运用级联分类器检测这些肤色区域。利用matlab仿真软件进行了大量的仿真探析并进行了统计与分析,探析表明改进算法在误检率和检测率方面明显优于两种单独算法,同时对于人脸姿势方面,也能够达到很好的检测效果。     

基于OPENCV的人脸考勤系统

设计实现了一种基于几何特征的人脸识别考勤系统。通过图像的灰度积分投影来确定各器官的大体位置。通过提取人脸的左眼、右眼、鼻子和嘴巴的位置及其之间的相对距离关系等7个特征值,并赋予不同的权重来合成矢量人脸,进而与数据库进行对比实现人脸考勤。     

Facial parts swapping with generative adversarial networks

In this paper, we present a novel deep generative facial parts swapping method: parts-swapping generative adversarial network (PSGAN). PSGAN independently handles facial parts, such as eyes (left eye and right eye), nose, mouth and jaw, which achieves facial parts swapping by replacing the target facial parts with source facial parts and reconstructing the entire face image with these parts. By separately modeling the facial parts in the form of region inpainting, the proposed method can successfully achieve highly photorealistic face swapping results, enabling users to freely manipulate facial parts. In addition, the proposed method is able to perform jaw editing based on sketch guidance information. Experimental results on the CelebA dataset suggest that our method achieves superior performance for facial parts swapping and provides higher user control flexibility.     

一种基于人脸核心特征的PCA人脸识别算法及应用

传统的PCA人脸识别算法是直接从图像中提取人脸进行识别,由于人脸的大小、角度,光照等原因导致识别率低。本文提出的基于人脸核心特征的人脸识别算法是通过人脸核心特征,包括左眼、右眼、鼻子、嘴巴进行人脸识别。这种算法能有效克服人脸识别中的大小、角度、光照等不利因素,显著提高了人脸识别率,并成功应用于智能相片搜索系统。     

平面旋转人脸检测与特征定位方法研究

提出了一种基于角点检测、AdaBoost算法和C-V方法的平面旋转人脸检测及特征定位方法.方法首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器;然后以角点作为眼睛的候选点,枚举任意两个角点构造可能的人脸区域,并在区域内运用人脸检测器进行检测;接着利用眼、鼻、嘴检测器检测出人脸特征所在的矩形区域;最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓,进而得到人脸关键特征点的位置.在CMU平面旋转测试集上的检测率为94.6%,误报24个,提取出的特征点位置准确.实验结果表明方法是有效的.     

基于特征提取与认证的彩色图像人脸检测

在深入的对频谱脸法和Fisherface方法进行研究后,综合这两种方法的优点,提出了一种基于频谱脸和Fisher-face的人脸识别新方法。频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用人脸面部构造产生的灰度特性提取眼睛,利用嘴唇的色度特征分割出嘴巴,进而根据眼睛和嘴巴构成三角形模板的特性,精确定位人脸在图像中的位置。实验结果表明,这种结合肤色和面部特征的算法,能够对人脸进行较快速、准确的定位,而且结果比较稳定可靠。     

面部表情跟踪描绘中的边缘特征量

由于外界环境的不确定性和人脸的复杂性,人脸表情的跟踪与计算机形象描绘是一个较难问题.基于此问题,提出了一种有别于模式识别、样本学习等传统手段的较为简单解决方法,在视频采集条件下,分析帧图像,通过对比多种边缘检测方法,采用一种基于边缘特征提取的人脸表情建模方法,来完成用于表情描绘的面部特征量提取与建模,并结合曲线拟合和模型控制等手段,进行人脸卡通造型生成和二维表情动画模拟.实现了从输入数据生成卡通造型画并真实地表现出表情变化情况.     

遮挡人脸正面图像库的自动生成

深度学习是实现人工智能的有效方法。对于深度学习,训练数据集对其性能有着至关重要的影响。在用深度学习进行遮挡人脸检测时,目前可用的遮挡人脸数据集并不多,为解决这个问题,提出一种自动构建正面遮挡人脸库的方法。该方法首先采用OpenCV级联分类器检测人眼和嘴巴,再根据人脸的生理特征中人眼、嘴与人脸的关系进行人脸定位,最后根据定位参数把人脸抠取下来并保存到指定文件夹。不管人脸的上半脸受遮挡还是下半脸受遮挡,该方法都能够有效地把遮挡的人脸抠取出来。作为验证,采用该方法构建了一个含12 893张遮挡人脸正样本的遮挡人脸库。     

多姿态、光照不均人脸图像的子空间人脸识别方法研究

针对人脸识别中存在的光照不均匀问题,提出了一种预处理链技术,能达到很好的光照补偿效果。为了提高多姿态、多表情、多细节人脸图像的人脸识别率,设计了一种将最近邻分类器与支持向量机相结合的分类算法（NN-SVM）,基于该分类算法提出了一种基于Gabor变换和NN-SVM的子空间人脸识别方法。在FERET和ORL两大人脸数据库中对所提方法进行性能评估,实验结果表明所提出方法能有效的解决人脸识别中光照不均匀问题,大大的提高人脸识别率,而且相比其他现存的人脸识别方法,所设计的方法具有更好、更稳定的识别效果。     

人脸动画中基于样条插值的器官拼接算法实现

人脸动画广泛地应用于游戏行业、远程会议、代理和化身等许多其它领域,近年吸引了很多学者的研究,其中口腔／眼睛等器官的动画一直是一个较大的难点。本文提出了一种将口腔／眼睛的器官样本图片融合到人脸图像中并根据单张中性人脸图片生成人脸动画的方法。该方法根据特征点生成样条,在极坐标上对样条插值来实现空间映射,然后采用后向映射和插值进行图像重采样得到融合图像。实验结果表明,该方法产生的融合图片较为自然,能实现口腔／眼球等器官的运动,能满足人脸动画生成的实时性要求。     

Reliable tracking of facial features in semantic-based video coding

A new method of tracking the position of important facial features for semantic-based moving image coding is presented. Reliable and fast tracking of the facial features in head-and-shoulders scenes is of paramount importance for reconstruction of the speakers motion in videophone systems. The proposed method is based on eigenvalue decomposition of the sub-images extracted from subsequent frames of the video sequence. The motion of each facial feature (the left eye, the right eye, the nose and the lips) is tracked separately; this means that the algorithm can be easily adapted for a parallel machine. No restrictions, other than the presence of the speaker's face, were imposed on the actual contents of the scene. The algorithm was tested on numerous widely used head-and-shoulders video sequences containing moderate head pan, rotation and zoom, with remarkably good results. Tracking was maintained even when the facial features were occluded. The algorithm can also be used in other semantic-based systems