基于自适应特征融合的人脸识别

针对单一人脸特征在人脸识别中的局限性问题和二维主成分分析人脸特征缺少判别信息的问题,利用互补思想,提出了一种改进的二维主成分分析与二维线性鉴别分析加权融合的人脸识别算法。利用离散余弦变换对原始人脸图像进行压缩并重建,以滤除图像中人眼并不敏感的中高频部分,再利用二维主成分分析方法进行人脸特征的提取;运用二维线性鉴别分析方法提取原始人脸图像中具有鉴别性的人脸特征;最后,提出一种自适应的权值选取方法,将两种人脸特征进行加权融合以实现分类识别。在ORL和Yale人脸数据库上的实验结果证明了该方法的有效性。     

一种基于遮挡区域补偿的眼镜去除方法

为了提高戴眼镜人脸图像的识别率, 提出了一种从人脸图像中检测并去除眼镜的方法。首先对输入的戴眼镜人脸图像与系统预留的无眼镜人脸图像进行基于人眼位置的标定, 检测出眼镜遮挡区域, 再用无眼镜人脸图像中对应的遮挡区域对戴眼镜人脸图像进行补偿, 从而合成了对应输入图像的不戴眼镜的人脸图像。实验结果表明, 该方法能有效地合成无眼镜人脸图像, 将合成后的人脸图像再应用于人脸识别系统, 识别率显著提高。     

基于可视信息眼镜摘除的热红外人脸识别方法

在热红外人脸识别中,眼镜作为人脸图像中常见的遮挡物,造成了人脸眼睛区域信息的丢失,严重影响了人脸识别效果。针对该问题,提出了一种在热红外图像中去除眼镜的算法,对热红外图像进行眼镜检测,使用无眼镜的热红外图像的平均眼睛模板来代替有眼镜的热红外图像的眼镜区域,再基于核主成分分析算法利用可视化图像和热红外图像融合的方法,进行图像融合,获得较好的无眼镜热红外图像,通过分类识别来实现人脸识别。实验结果表明,在热红外人脸识别中,该方法在戴眼镜的情况下能够提高人脸识别的准确率和取得较好的识别效果。     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

基于多姿态人脸图像合成的识别方法研究

为了解决多姿态人脸识别问题,提出基于独立成分分析（ICA）进行正面人脸合成的新方法。首先利用ICA和PCA提取不同姿态人脸的特征子空间,然后利用通过训练得到的姿态转换矩阵合成其相对应的正面人脸图像,实验表明ICA人脸识别算法要优于PCA人脸识别算法,并在此基础上用小波对人脸图像进行预处理,据姿态转换矩阵得到的正面人脸特征系数直接进行分类比较,识别率得到了很大的提高。     

基于对称核主成分分析的人脸识别

为了提高人脸识别技术的实用性,结合人脸镜像对称性和核主成分分析提出了一种新的人脸识别方法。首先利用小波变换压缩人脸图像数据,获取小波分解的低频分量,再通过镜像变换得到镜像偶对称图像和镜像奇对称图像,然后分别对奇偶对称图像进行核主成分分析提取奇偶特征,并且通过加权因子对奇偶特征进行融合,最后采用最近邻分类器分类。基于ORL人脸数据库的实验结果表明：该算法增大了样本容量,在一定程度上克服了光照、姿态的不利因素,提高了人脸识别率。     

基于SVM的人脸识别研究

针对人脸结构过于复杂,导致识别精度低的问题,提出基于支持向量机（Support Vector Machine,SVM）的人脸识别方法。首先,选取Gabor小波变换算法,利用高斯函数表示短时傅里叶变换的窗函数,通过对人脸图像的卷积运算,提取人脸图像的幅值特征以及相位特征。其次,选取主成分分析方法,对所提取的人脸图像特征进行特征降维处理。最后,设置完成降维处理的人脸特征值,作为SVM的输入,利用SVM输出人脸识别结果。实验结果表明,该方法在强光等复杂环境下,仍然可以精准识别人脸,人脸识别精度高于97%。     

一种基于核主成分特征组合的人脸识别方法

提出了一种基于核主成分特征组合的人脸识别方法。首先利用主成分分析,获得原始输入图像的二阶特征脸图像;然后运用核主成分分析分别抽取原始图像和二阶特征脸图像的核主成分特征,最后将它们组合成一个组合特征向量,进行人脸识别。在ORL人脸库上的实验表明,两种图像的核主成分特征分别有着良好的特点,取得了较好的识别效果,优于核主成分分析和二阶特征脸的结果。     

去除人脸图像中眼镜的方法

人脸图像的校正是人脸识别相关技术的前提性工作之一.眼镜作为一种常见的干扰物对识别结果有着重要的影响.针对该问题,提出了一种去除眼镜的面部图像校正方法.首先对无眼镜的一组人脸样本集进行训练,然后通过主成分分析法对输入的带眼镜的人脸图像进行重构,再按照原始图像的灰度特征对重构出的图像进行处理,最后合成为不带眼镜的人脸图像.实验结果表明,该算法易于实现,合成效果比较自然,有利于后续的处理过程.     

融合全局和局部特征的人脸识别算法

针对人脸识别算法缺乏对光照变化的自动调节能力的弱点,提出了一种综合利用全局和局部特征进行人脸识别的新方法。对整幅人脸图像进行主成分分析;针对人脸局部特征,提出一种根据各局部子块包含的信息量即利用图像熵值进行自动加权的算法;基于贝叶斯原理对全局和局部特征进行数据融合,给出最终结果。实验结果表明,该数据融合算法综合全局和局部特征提取方式的优势,有效提高了人脸识别率。     

基于三维建模的眼镜遮挡下人脸识别

眼镜作为人脸特征的不稳定性是眼镜遮挡人脸识别的主要问题。为避免现有方法消除不稳定眼镜特征时带来的人脸特征丢失,将眼镜视为人脸固有部分,提出一种基于三维建模生成人脸虚拟样本补偿眼镜不稳定性的方法。三维建模方便眼镜模型参数的调节。通过调节眼镜参数,具体分析眼镜不同部分对人脸识别的影响,同时,针对影响严重的镜片模糊和反光,均做相应处理。CAL-PEAL的实验表明本文方法对识别性能的大幅度改善,并验证镜片处理的有效性。     

Automatic eyeglasses removal from face images

In this paper, we present an intelligent image editing and face synthesis system that automatically removes eyeglasses from an input frontal face image. Although conventional image editing tools can be used to remove eyeglasses by pixel-level editing, filling in the deleted eyeglasses region with the right content is a difficult problem. Our approach works at the object level where the eyeglasses are automatically located, removed as one piece, and the void region filled. Our system consists of three parts: eyeglasses detection, eyeglasses localization, and eyeglasses removal. First, an eye region detector, trained offline, is used to approximately locate the region of eyes, thus the region of eyeglasses. A Markov-chain Monte Carlo method is then used to accurately locate key points on the eyeglasses frame by searching for the global optimum of the posterior. Subsequently, a novel sample-based approach is used to synthesize the face image without the eyeglasses. Specifically, we adopt a statistical analysis and synthesis approach to learn the mapping between pairs of face images with and without eyeglasses from a database. Extensive experiments demonstrate that our system effectively removes eyeglasses.     

Eyeglasses removal of thermal image based on visible information

Recently, a number of studies have demonstrated that thermal infrared (IR) imagery offers a promising alternative to visible imagery in face recognition problems due to its invariance to visible illumination changes. However, thermal IR has other limitations such as being opaque to glass. As a result, thermal IR imagery is very sensitive to facial occlusion caused by eyeglasses. Fusion of the visible and thermal IR images is an effective way to solve this problem. In this paper, using the face reconstruction information of the visible images, we propose two thermal image reconstruction algorithms, called the visible information aided eyeglasses removing algorithm (VIAER) and the refined visible information aided eyeglasses removing algorithm (refined VIAER). Experiments on publicly available data set show the excellent performance of our algorithms.     

Near infrared face recognition by combining Zernike moments and undecimated discrete wavelet transform

This study proposes a novel near infrared face recognition algorithm based on a combination of both local and global features. In this method local features are extracted from partitioned images by means of undecimated discrete wavelet transform (UDWT) and global features are extracted from the whole face image by means of Zernike moments (ZMs). Spectral regression discriminant analysis (SRDA) is then used to reduce the dimension of features. In order to make full use of global and local features and further improve the performance, a decision fusion technique is employed by using weighted sum rule. Experiments conducted on CASIA NIR database and PolyU-NIRFD database indicate that the proposed method has superior overall performance compared to some other methods in the presence of facial expressions, eyeglasses, head rotation, image noise and misalignments. Moreover its computational time is acceptable for on-line face recognition systems.     

多信息融合的深度学习人脸表情识别算法研究

人脸表情识别作为人机交互系统的重要组成部分,在安防监控、人机交互等领域有广泛的应用,是计算机视觉的研究热点。传统的卷积神经网络方法一般提取单张人脸图像或者人脸标记点作为特征提取的输入数据,未能考虑到人脸全域的表情信息。提出了一种基于三通道多信息融合的深度学习人脸表情识别模型,以人脸图像表情平静到高峰时期标记点坐标的相对位移为输入,提取整个人脸表情图像特征信息,模型融合了稀疏自编码器以提高对边缘特征提取效率。该模型在CK+数据集上进行了训练和测试,实验结果表明,与该领域中的同类算法相比,该算法模型提高了表情识别的准确率。     

融合局部奇异值特性的人脸识别方法*

针对仅在整幅人脸图像上进行奇异值分解无法得到人脸识别所需的足够信息的不足,提出了一种利用人脸图像的局部奇异值和灰色关联分析进行人脸识别的方法。该方法的关键是不在整幅人脸图像上进行,而是在人脸的不同区域进行奇异值分解以提取更丰富的信息和克服小样本效应。在识别阶段,对待识别人脸,计算其与各人脸样本的隶属度,最后作出判别。该方法与传统方法在ORL与AR人脸库上进行的对比实验结果表明,该方法不仅提高了识别率,且对人脸姿态变化与部分遮挡也具有一定的鲁棒性。     

面向非受控场景的人脸图像正面化重建

目的 人脸正面化重建是当前视觉领域的热点问题。现有方法对于模型的训练数据具有较高的需求,如精确的输入输出图像配准、完备的人脸先验信息等。但该类数据采集成本较高,可应用的数据集规模较小,直接将现有方法应用于真实的非受控场景中往往难以取得理想表现。针对上述问题,提出了一种无图像配准和先验信息依赖的任意视角人脸图像正面化重建方法。方法 首先提出了一种具有双输入路径的人脸编码网络,分别用于学习输入人脸的视觉表征信息以及人脸的语义表征信息,两者联合构造出更加完备的人脸表征模型。随后建立了一种多类别表征融合的解码网络,通过以视觉表征为基础、以语义表征为引导的方式对两种表征信息进行融合,融合后的信息经过图像解码即可得到最终的正面化人脸图像重建结果。结果 首先在Multi-PIE(multi-pose, illumination and expression)数据集上与8种较先进方法进行了性能评估。定量和定性的实验结果表明,所提方法在客观指标以及视觉质量方面均优于对比方法。此外,相较于当前性能先进的基于光流的特征翘曲模型(flow-based feature warping model,FFWM)方法,本文方法能够节省79%的参数量和42%的计算操作数。进一步基于CASIA-WebFace(Institute of Automation, Chinese Academy of Sciences—WebFace)数据集对所提出方法在真实非受控场景中的表现进行了评估,识别精度超过现有方法10%以上。结论 本文提出的双层级表征集成推理网络,能够挖掘并联合人脸图像的底层视觉特征以及高层语义特征,充分利用图像自身信息,不仅以更低的计算复杂度取得了更优的视觉质量和身份识别精度,而且在非受控的场景下同样展现出了出色的泛化性能。     

人脸图像中眼镜检测与边框去除方法

眼镜边框是影响精确提取人脸图像特征的因素之一,为此提出了一种眼镜检测和边框去除的方法。该方法由眼镜检测、眼镜边框定位和被遮挡图像修复三部分构成。提取眼睛估计区域的边缘特征并基于神经网络的方法检测眼镜;利用二值化和数学形态学的方法定位眼镜边框;通过插值的方法修复被眼镜边框遮挡的图像。实验结果表明,该方法与传统基于PCA的方法相比,眼镜去除后的人脸图像更加自然。同时,实验结果也表明该方法有助于人脸识别性能的提升。