基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量(H,Cg,Cr)T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

基于视觉显著特征的人脸图像分割与跟踪方法的研究

将人脑视觉注意机制应用于人脸图像分割与跟踪中,提出了一种基于视觉显著特征的人脸目标分割与跟踪算法.该方法由三步完成：首先通过模拟人脑视觉注意机制迅速而准确地利用颜色、结构、梯度和位置等信息建立人脸显著特征图.其次,基于建立的视觉显著特征图,对人脸图像视觉显著特征进行学习和聚类,最终能够快速而准确地确认和分割出图像中的人脸区域.该方法突破了传统的逐点搜索的限制,通过一个几何模型和眼图模型对图像中的人脸区域进行搜索,大大提高了人脸候选区域搜索标记的效率,减少了后续处理工作.最后,通过分割出的人脸区域得到一个有效的边界特征图,并融合人脸显著特征图对人脸进行跟踪.实验结果表明本论文所提出的基于视觉显著特征的人脸图像分割与跟踪方法能够较有效地分割出人脸.     

基于肤色模型与人脸结构特征的人脸检测

人脸检测是自动人脸识别中的关键环节.提出了基于人脸肤色模型和人脸结构特征的人脸检测.首先利用人脸图片样本,提取肤色像素,建立肤色CbCr高斯模型.根据高斯肤色模型求得人脸似然图,并采用最佳阈值对之进行二值化.之后再采取形态学处理,除去部分非人脸区域,分割出待定人脸区域.最后根据人脸的结构特征进行再次筛选,得到人脸区域.此方法运用在一般的人物照片中都能达到比较理想的效果.     

基于双色彩空间和面部矩形特征的人脸检测

在YIQ和YCbCr色彩空间中,结合人类面部矩形的特征,提出了一种用于人脸检测和定位的算法.该算法通过比较输入图像R、G、B 3通道总的平均值和B通道的平均值来选择色彩空间,并采用基于积分图的2维OSTU法进行肤色分割;然后根据肤色区域面积对肤色分割图像进行中值滤波;最后根据中值滤波后的肤色分割图中的肤色区域面积构造最佳人脸矩形,并用该矩形去定位人脸区域.实验结果表明:该算法较传统的采用单一色彩空间的人脸检测算法具有更高的准确率.     

人脸检测中的图象分割研究

本文提出了一种新颖的基于彩色图象的人脸分割算法.首先利用人脸的肤色特性分割出人脸区域,然后利用形态学操作和一种新的二值化方法进行预处理,再用分裂合并算法得到连通区域,最后得到包含人脸器官在内的一系列矩形.实验证明本文所提出的算法有效、稳健.     

基于颜色分割和HOG学习机制的人脸检测

人脸检测在信息安全和处理等应用领域起到很重要的作用.提出了一种鲁棒的人脸检测算法.该算法结合了基于颜色分割的粗定位过程和基于Histogram of Oriented Gradient(HOG)特征的人脸精确定位过程.粗定位利用人脸的颜色特征,采用基于YCbCr空间的颜色分割方法,获得图像中有可能包含人脸的图像子区域;精确定位则采用HOG特征,并利用SVM进行分类,得到人脸的准确位置.实验证明我们的方法对不同亮度、各种年龄及性别、表情变化及部分遮挡的人脸都具有很强的鲁棒性.     

基于肤色的人脸检测算法研究

文章提出了一种基于肤色的彩色图像人脸检测算法。该算法会对输入图像进行尺寸归一化及光线补偿,综合利用2种色彩空间对预处理后的图像进行二值化操作。在肤色分割的基础上去除噪声,并结合多种有用信息,对肤色区域进行了判定,最终识别出人脸区域。它的主要优点有对人脸的姿态不敏感、检测速度快等。在多人脸检测方面,该算法运用区域分割的方法对多个人脸进行有效检测。实验结果表明,该算法是可行有效的。     

基于投影灰度差的遮挡人脸检测算法

针对现有的人脸检测算法,需要样本数量大、训练与学习时间长等缺点,提出了一种基于投影曲线特征的遮挡人脸检测算法。该算法利用了人脸二值化的水平投影,确定人眼区域,减小了数据量和其他面部特征的影响;得到眼部区域二值化的垂直投影,利用投影曲线的特征,对眼部是否有遮挡进行判断。该算法思想简单,无需训练与学习,提出新的判断指标-归一化灰度差有明确的物理意义,有效的提取了眼部区域的特征。仿真结果证明了该算法的有效性,且与同类算法相比,缩短了检测时间,提高了检测率。     

视频流下的人脸检测与跟踪

研究了基于AdaBoost算法的人脸检测、级联分类器,讨论了Haar-Like特征及其积分图的计算方法,以及微结构特征的详细定义和表示方式,并给出4种不同矩形特征的计算方法.以色彩直方图为跟踪特征,将基于AdaBoost的人脸检测算法与CamShift跟踪算法进行了有效的结合,并给出视频下的人脸检测与跟踪实验结果.实验结果表明,在尺度变化、角度变化以及有遮挡的情况下都得到了很好的检测、跟踪效果.     

一种人脸对象的区域分割方法

人脸特征的提取通常是先把人脸中包含特征信息的区域分割出来,然后分别对每个区域进行特征定位和提取。这样可以克服将整个人脸作为一个研究对象来处理所存在的复杂性,减少背景和其它物体的干扰,提高特征提取的准确性。还可以减少图像数据处理量,节省处理时间。在分析用在人脸对象区域分割的常用方法基础上,采用基于眼间带状人脸区域垂直梯度图的人脸对象区域分割方法对五官进行分割。实验结果表明:这种方法具有很高鲁棒性,并且算法实现简单。     

基于多分支CNN和多尺度特征融合的非受控人脸年龄估计

现有的人脸年龄估计不能很好地兼顾全局-局部细节的特征表达,因而非受控人脸年龄估计的精度存在一定的提升空间。为解决此问题,提出了一种基于多分支卷积神经网络(convolutional neural networks,CNN)和多尺度特征融合的非受控人脸年龄估计方法。该方法根据人脸关键点对人脸图片剪裁得到包含人脸的全局图像和分别包含眼睛、鼻子、嘴巴的局部图像;使用多分支CNN网络提取对应的深层全局特征和局部特征,使用多尺度特征融合网络探索局部特征间的相关性信息从而进行局部特征选择;将融合的局部特征与全局特征拼接得到兼顾全局-局部细节的年龄特征;使用softmax损失函数优化模型进行人脸年龄估计。根据MORPH Album2、FG-NET、LAP2016人脸年龄数据集上的实验结果表明,提出的方法是有效的。     

人脸斜视图象的特征提取与恢复

给出了能对正视图象和斜视图象同样有效地进行特征点的提取的一些新算法．建立了人脸斜视图象的数学模型，对于斜视了一定角度的人脸图象提取出一些比较明显的特征，并通过查阅标准数据库，对特征向量进行恢复，找出最佳匹配的标准图象．最后给出了实验结果     

基于 Swin Transformer 和 Style-based Generator 的盲人脸修复

盲人脸修复任务是从低质量的图像（例如模糊、噪声和压缩图像）中恢复高质量的图像.由于事先不知道低质量图像的退化类型和退化参数,因此盲人脸修复是一个高度病态的问题,在修复过程中严重依赖各种先验指导.然而,由于面部成分和面部标志等面部先验通常是从低质量图像中提取或估计的,可能存在不准确的情况,这直接影响最终的修复性能,因此难以有效利用这些先验知识.此外,目前的主流方法基本都是依赖ConvNets进行特征提取,没有很好地考虑长距离特征,导致最终结果缺乏连续一致性.本文提出了一种改进的StyleGAN模型,命名为SwinStyleGAN,应用在高级视觉任务上表现出色的Swin Transformer来提取长距离特征,并通过改进后的类StyleGAN合成网络逐步生成图像.本文设计了一个空间注意力转换模块SAT来重新分配每个阶段特征的像素权重,以进一步约束生成器.大量实验表明,本文提出的方法具有更好的盲人脸修复性能.     

一种基于LNMF像素模式纹理特征的表情识别

采用一种基于像素模式纹理特征(PPBTF)的人脸特征表示方法对人脸图像进行了特征提取.首先,将原始的灰度图像转化成能够表征纹理信息的模式图,并且通过在特征窗内统计每一模式的像素个数得到其中心像素的特征矢量,然后将由局部非负矩阵分解(LNMF)得到的基本方程作为模板进行模式匹配.同时,将Adaboost和SVM结合起来,用做表情识别的分类器.最后,通过基于Cohn-Kanade数据库的实验证明了以LNMF基函数作为模板的PPBTF对表情识别具有较高的判别能力,并由基于PIE图像库等其他图像库的实验进一步验证了PPBTF对光照不敏感的特性,充分说明所提出的人脸表征方法的有效性和鲁棒性.     

基于Kinect 2的三维人脸个性化建模

提出一种基于五官形状特征点以及人脸肌肉函数的优化Kinect 2 个性人脸网格的算法,然后通过自适应uv贴图,使结果更符合个性人脸特征.首先,通过提取彩色图的特征点位置获取个性人脸的x,y 空间的特征信息,基本的五官形状特征点为83 个,通过相似三角关系在鼻梁和鼻翼处添加了6 个特征点以丰富五官形状特征信息.肌肉形状特征约束方面,综合肌肉形状约束量有43 个.其次,通过Kinect 2 人脸个性化建模得到中间模型,同时也获得了五官形状和肌肉形状特征的深度先验信息.接着使用基于拉普拉斯算子的微分网格变形算法对Kinect2 的中间模型进行五官优化及肌肉形状约束,通过对比ASM、正则化均值漂移和face + + 算法检测的人脸特征点来选择更精确的五官位置.最后,为了让人脸更具有真实感,还通过平面微分网格形变实现了uv 自动贴图,提升了maya中手动调整uv 坐标的准确性和效率.同时,使用次表面散射光照模型来使人脸皮肤的真实感加强.实验表明,本文所采用的三维人脸模型的个性化变形方法能使Kinect2 模型更好地符合个性人脸特征,这将为后期的表情生成和动画制作奠定良好的基础.     

一种基于人脸检测的人眼特征定位方法

人脸图像分析中,眼睛的精确定位是非常重要的一个环节。文章提出了一种基于人脸检测的人眼特征定位方法。首先采用AdaBoost人脸检测算法对人脸图像进行人脸检测,确定人脸位置。然后根据人脸面部结构特征估计人眼所在区域,利用该区域内的灰度和梯度特征搜索人眼特征点。实验表明该方法能够快速有效地定位出人眼特征。     

人脸图像年龄估计

为了解决人脸识别中识别率随年龄变化急剧下降的问题,提出了一种自动的年龄估计方法。通过年龄函数建立人脸特征和年龄之间的对应关系,人脸特征由形状特征和纹理特征组成。首先,通过改进的活动形状模型自动定位人脸形状特征点,再通过形状拉伸获得单纯的纹理图像,然后用主分量分析分别得到形状特征向量和纹理特征向量,合成作为人脸特征,最后,按照最优化的准则得到年龄函数,结合人脸变老方式的分类,自动估计年龄。实验结果表明,这种方法对年龄估计十分有效,平均200人的多年龄人脸数据库上的估计误差为1.1a。     

人脸图像年龄估计

为了解决人脸识别中识别率随年龄变化急剧下降的问题,提出一种自动的年龄估计方法。通过年龄函数建立人脸特征与年龄之间的对应关系,人脸特征由形状特征和纹理特征组成。首先,通过改进的活动形状模型自动定位人脸形状特征点,再通过形状拉伸获得单纯的纹理图像;然后用主分量分析分别得到形状特征向量和纹理特征向量,合成作为人脸特征;最后,按照最优化的准则得到年龄函数,结合人脸变老方式的分类,自动估计年龄。实验结果表明,这种方法对年龄估计十分有效,平均200人的多年龄人脸数据库上的估计误差为1.1 a。     

一种基于面部纹理特征融合的人脸表情识别方法

针对人脸表情识别领域受噪声和遮挡等因素影响识别率不高的问题,结合局部和全局特征,提出一种基于面部表情的情感分析混合方法。首先,通过将梯度直方图(HOG)与复合局部三元模式(C-LTP)融合来进行特征提取;其次,将HOG和C-LTP提取的特征融合到单个特征向量中;最后,采用多类支持向量机分类器把特征向量进行情感分类;最后,将提出的方法在3个公共表情图像数据库中与现有的表情识别方法进行对比实验。结果表明,提出的方法在MMI,JAFFE,CK+数据库上的正确识别率分别为98.28%,95.75%,99.64%,平均识别率比其他方法高出10%,优于其他现有的方法。提出的表情识别方法,可有效促进人机交互系统的发展和计算机图像理解的研究,对实现人体语言与自然语言的融合,以及语言与表情连接模型的建立与实现具有重要意义。     

基于语音与人脸参数化表示的跨模态稠密深度

为了提高跨模态人脸表示与合成的性能,针对语音与人脸图像2种模态数据,提出一种基于人脸参数化表示与稠密深度网络相结合的面部生成方法。针对输入语音模态,通过对信号进行频谱变换,将一维时域信号转换到二维频率域,可提取频域上稳健的特征描述;针对输出图像模态,利用主动外观模型对不同面部区域独立建模以降低区域间的相关性,并提取紧凑的人脸参数化特征;为了获得有效的跨模态学习性能,提出采用稠密连接的深度卷积神经网络学习语音、图像2种模态的回归预测,并通过预测的人脸参数进行面部重构,所采用的深度网络模型可以加强特征传播与特征复用,有利于增强面部细节的合成。在2组音视频数据集上验证了提出方法的有效性。