基于异值区域消除的遮挡人脸识别

针对存在部分遮挡的人脸的识别问题,提出了一种改进的基于异值区域消除的人脸识别方法。首先,由训练人脸图像得到平均脸图像,并将测试图像与平均脸图像作差值运算得到误差人脸图像;然后,对误差人脸图像进行分割得到测试人脸图像存在的遮挡区域,并将测试图像和训练图像的相应区域予以去除以形成新的测试图像和训练图像;最后,采用线性回归分类或稀疏编码分类方法实现人脸识别。与同类方法比较,本方法计算相对简单,展现了较好的识别性能提升。基于Yale B和AR标准人脸数据库的仿真测试结果验证了本方法的有效性。     

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。     

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。     

人脸识别中发型遮挡检测方法研究

人脸识别中,发型遮挡是一种十分常见的遮挡类型,并且对人脸的正确识别具有极大的干扰。提出一种将头发的颜色模型和发型特征相结合的遮挡检测方法。首先,采用机器学习的方法,对头发的颜色进行学习建模。然后,利用发际线的特征,将人脸划分为若干扇形并分块,采用逐步精细的方法对人脸的发型遮挡区域进行检测。实验结果表明,该方法对人脸区域发型遮挡检测的准确率和召回率都达到88%以上,相比PCA检测方法提高了约20%,验证了该方法的有效性。     

相似遮挡区域碎片重构的鲁棒人脸识别算法

基于压缩感知技术,提出了一种面向遮挡的人脸识别算法。首先,将图像分成各个局部小块,并构建相似遮挡区域;然后,重构图像碎片,从而检测遮挡区域;最后,利用非遮挡区域获取遮挡截面,投票机制完成人脸识别。实验结果显示,其算法在AR和LFW人脸库上的最高识别率分别可高达99.8%和83.8%,优于其他几种遮挡人脸识别算法,此外,该算法对不同遮挡级别的人脸具有较好的鲁棒性。     

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。     

基于遮挡区域建模和目标运动估计的动态遮挡规避方法

对于运动视觉目标,如何对遮挡区域进行规避是视觉领域一个具有挑战性的问题.本文提出了一种新颖的基于运动视觉目标深度图像利用遮挡信息实现动态遮挡规避的方法.该方法主要利用遮挡区域最佳观测方位模型和视觉目标运动估计方程,通过合理规划摄像机的观测方位逐渐完成对遮挡区域的观测.主要贡献在于：1）提出了深度图像遮挡边界中关键点的概念,利用其构建关键线段对遮挡区域进行快速建模;2）基于关键线段和遮挡区域建模结果,提出了一种构建遮挡区域最佳观测方位模型的方法;3）提出一种混合曲率特征,通过计算深度图像对应的混合曲率矩阵,增加了图像匹配过程中提取特征点的数量,有利于准确估计视觉目标的运动.实验结果验证了所提方法的可行性和有效性.     

一种基于深度图像的自遮挡检测方法

针对视觉目标存在的自遮挡现象,并为更好地界定、规避自遮挡现象提供依据,提出一种完全基于目标深度图像信息、仅需通过分析深度图像平均曲率变化特征并结合使用二次阈值法进行自遮挡检测的方法.为避免平均曲率计算的复杂性,该方法首先采用改进的离散正交多项式局部曲面拟合法计算深度图像的平均曲率;然后,通过分析图像各点的平均曲率并结合曲率阈值提取与其八邻域点存在曲率异号的点组成自遮挡候选点集;最后,依据候选点与以其为中心的窗口内其它点存在深度值不连续的现象,再次使用阈值法,实现对自遮挡的检测.实验结果表明该方法能够有效地检测出自遮挡现象并获得自遮挡边界.     

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.     

一种高性能部分遮挡人脸识别新方法

针对部分遮挡人脸识别,提出了一种基于局部区域遮挡判断的人脸识别新方法。利用支持向最机对不同人的不同遮挡情况分别进行训练,确定局部相似度到整体相似度的最佳映射,使它具有最佳类间可分离性。实验表明,该文算法显著提高了部分遮挡人脸识别效果,对无遮挡识别也有所改善。     

刚性区域特征点的3维人脸识别

目的 针对3维人脸识别中存在表情变化的问题,提出了一种基于刚性区域特征点的3维人脸识别方法。方法 该方法首先在人脸纹理图像上提取人脸图像的特征点,并删除非刚性区域内的特征点,然后根据采样点的序号,在人脸空间几何信息上得到人脸图像特征点的3维几何信息,并建立以特征点为中心的刚性区域内的子区域,最后以子区域为局部特征进行人脸识别测试,得到不同子区域对人脸识别的贡献,并以此作为依据对人脸识别的结果进行加权统计。结果 在FRGC v2.0的3维人脸数据库上进行实验测试,该方法的识别准确率为98.5%,当错误接受率（FAR）为0.001时的验证率为99.2%,结果表明,该方法对非中性表情下的3维人脸识别具有很好的准确性。结论 该方法可以有效克服表情变化对3维人脸识别的影响,同时对3维数据中存在的空洞和尖锐噪声等因素具有较好的鲁棒性,对提高3维人脸识别性能具有重要意义。     

基于小波商图像的人脸光照补偿

复杂光照条件下的人脸识别是一个困难但需迫切解决的问题,为此提出了一种有效的光照补偿算法.该方法根据人脸光照线性变换子空间理论--商图像理论,构造了小波低维训练集,实现了对待识别图像的光照条件估计,并且通过加光和去光策略增强了光照补偿效果.与传统商图像理论相比,该方法利用小波分解,提高的算法执行效率,实验结果表明,该算法以较小的代价取得了较高的识别性能.     

自适应区域协方差跟踪算法

协方差跟踪算法由于其优秀的特征描述能力在近年获得众多关注,但其全局遍历搜索策略使其仍不够高效。提出一个通用的、自适应的协方差跟踪算法,该算法利用了自适应积分区域计算策略和简单的遮挡检测处理方法,前者远快于积分图像计算并自适应于跟踪目标和跟踪环境,后者用于动态调整搜索窗口的大小。积分图像计算和全局协方差跟踪可以看作所提算法的一种特例。所提算法自然统一了局部搜索策略和全局搜索策略,并可根据跟踪环境(如遮挡、突然偏移)自然切换。所提算法既获得了在正常情况下局部搜索所带来的高效、偏离的健壮性和稳定的轨迹,又获得了在非正常情况下的由更大搜索窗口所带来的遮挡处理和重新识别定位目标的能力。通过在部分视频序列上的实验,所提算法展现出优秀的目标表达能力、更快的跟踪速度和更好的健壮性。     

基于区域收缩的大规模数据库人脸识别

为提高大规模数据库人脸识别的速度和减少内存占用,提出了基于区域收缩的大规模数据库人脸识别方法。把离散余弦变换(DCT)图像压缩技术推广到人脸特征数据库的压缩,对数据库进行多级压缩,生成几个压缩率逐步降低的子数据库。在这些子数据库上,按压缩比由高到低的顺序,逐级进行粗略的人脸识别,根据上一级的识别结果,逐级缩小识别范围。最后,在一个很小的范围内,在原未压缩的数据库上进行精确识别。实验显示,识别时间仅为传统方法的29.2%,内存占用仅为传统方法的10.2%,硬盘资源消耗比传统方法仅多11%,识别率没有显著降低。     

基于区域生长法提取二值图像中的连通区域

标记二值图像连通区域是图像处理过程的基本算法,机器视觉和模式识别中常用此方法提取目标和分析目标几何特征。文章以人机交互方式获得初始种子点,增强种子点的可靠性,通过区域生长法提取二值图像中的连通区域。     

视频监控场景下的面部遮挡检测

提出了一种监控场景下的面部遮挡检测方法。基于AdaBoost算法进行人脸验证,通过面部划分,分块分析是否存在遮挡情况。首先判断是否有人进入,在有人进入的情况下进行面部遮挡检测,对眼部区域采用AdaBoost方法及墨镜特征提取方法判断是否遮挡,而对嘴部区域采用高斯肤色模型进行判断。实验结果表明,该方法能实时检测面部遮挡的情况,并达到了较好的效果,适用于银行ATM等监控场景,具有较高的应用价值。     

基于学生人体检测的无感知课堂考勤方法

针对基于人脸识别的课堂考勤系统漏检和低识别率的问题，采用主、从双摄像机设备，提出一种联合学生人体检测和人脸角度筛选的方法。首先通过Mask R-CNN算法检测主摄像机拍摄图中的学生人体位置；然后控制从摄像机（PTZ相机）依次获取每位学生的高质量放大图像；再通过MTCNN算法和FSA-Net算法从中检测并识别出人脸姿态，筛选出每位学生的正脸图像；最后对筛选出的学生正脸图像使用FaceNet算法提取人脸特征，用于支持向量机（SVM）分类器的训练或识别。实验结果表明，与Tiny-face算法相比，人体检测算法在重叠比（IOU）为0.75时平均精度（AP）值提高了约36%且检测耗时减少了57%；与建立多姿态人脸数据库的方法相比，采用人脸角度筛选的方法使识别率提高了4%；多数情况下整个课堂学生识别的准确率接近100%。所提方法简化了学生注册过程，提高了人脸识别率，为解决人脸漏检问题提供了新的思路。     

基于线性子空间和商图像理论的人脸光照补偿

光照是影响人脸识别率的主要因素,它已成为人脸识别技术发展的瓶颈。根据商图像理论,在所构造的低维训练集上对待识别的图像进行光照条件估计,通过加光和去光两种方法,实现了光照补偿的目的,并通过识别实验验证了其补偿效果。     

基于BP网络的人脸图像边缘检测算法

采用改进的BP算法,实现人脸图像的边缘检测.构造了学习样本,并在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测.在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测.利用ORL人脸数据库图像的实验,证明了将得到的权值矩阵用于人脸图像的边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘.