正面人脸图像合成方法综述

随着多视角人脸识别技术需求的不断增长,正面人脸图像合成成了热门的研究课题.然而,从侧面人脸图像准确地合成出正面人脸是一个典型的逆向问题,具有较大的挑战性.对目前正脸图像合成方法进行了系统总结,介绍了几种典型的合成策略,并对这些方法按原理分成了基于图形学的方法和基于统计学习的方法两类分别进行研究.此外,还从算法复杂性、鲁棒性,以及图像合成效果等方面对现有正面人脸图像合成算法进行了对比研究,给出了未来可能的研究方向.     

分段仿射变换下基于泊松融合的正面人脸合成

针对目前正面人脸合成算法运算量大或合成图像失真较大的问题,提出一种基于分段仿射变换和泊松融合的正面人脸图像合成算法,将多幅输入图像用分段仿射变换（Piecewise Affine Warp,PAW）映射到正面人脸模板,并根据映射时产生的非刚性形变求得其对应的权重矩阵,进而获取每幅映射图像对应的变形掩膜,依次以这些映射图像为前景图像,以其对应的变形掩膜为泊松掩膜,并以上一次的融合图像为背景图像进行泊松融合,生成一幅平滑自然的正面人脸图像。实验结果表明,相比现有算法,该算法生成的正面人脸图像更加逼近真实正面人脸图像,而且很好地保留了输入人脸的个体信息。     

基于眼裂的人脸图像归一化

针对人脸识别中图像前期处理的人脸图像归一化问题,用AdaBoost Cascade方法检测出人脸和眼裂,提出以两眼裂中心点连线为基准进行水平旋转和尺度的归一化矫正方法。与通常的利用两眼瞳距方法相比较,该方法更加快速准确,能处理多达20°的倾斜,对戴眼镜、图像模糊、俯视、仰视、斜视等情况的鲁棒性更好。     

基于人脸识别的人脸图像质量评估

无约束场景下,低质量的人脸图像不仅浪费计算资源而且降低系统识别率.针对此问题,提出一种基于人脸识别的人脸质量评估方法对人脸图像进行预评估.以人脸识别系统特征提取网络为基础网络在COX数据集上进行微调,并使用微调后网络对COX数据集进行质量分数标定.最后,结合基础网络及质量预测网络并以相应损失函数在标定数据上进行回归学习以获取质量评估模型.实验结果表明,该方法能够有效区分不同质量的人脸图像并提升人脸识别系统性能.     

人脸图像的自动识别技术

本文讨论了人脸识别技术（FRT）中分割、特征提取及识别的有关方法,阐明了各种方法的基本思想、使用范围及优缺点,并给出了相应的计算公式,最后指出了对这些方法的性能进行定量评估所面临的问题。     

人脸图像质量分析研究综述

人脸图像质量分析已经成为人脸识别研究中亟待解决的问题.介绍了人脸图像质量分析的概念,针对近年来国内外出现的人脸图像质量分析技术和方法作了简单的介绍和分类,分析并比较了各种方法的优缺点,给出了简单评价,分析了人脸图像质量分析面临的困难,探讨了人脸图像质量分析的应用和未来的研究趋势.     

从正面侧照片合成三维人脸

实现了一具交互式人脸建模和动画的工具,用户可以从一个人正面和侧面的照片构造了出头部的三维模型,并基于这个模型实现特定表情和简单的动画。详细阐述在系统实现过程中应用到的人脸几何表示,一般人脸变化到特定人脸、弹性网格、肌肉模型、全视角巾图、表情提取等技术。     

人脸表情的形变线性拟合方法

提出了用于人脸表情合成的形变线性拟合方法. 该方法利用人脸图像形变模型线性组合逼近的基本思想, 确定合成表情图像的形状信息和纹理信息, 其步骤简单, 容易实现. 该方法能有效地从中性表情人脸图像合成出具有表情的图像, 并且得到的人脸表情自然、逼真、具有说服力. 更为重要的是, 该方法能从闭着嘴的中性表情人脸图像合成出具有张开嘴露出牙齿效果的人脸表情图像, 克服了当前大多数人脸表情合成方法不能实现这一效果的不足.     

基于卷积神经网络的人脸图像质量评价

针对人脸识别过程中人脸图像质量较低造成的低识别率问题,提出了一种基于卷积神经网络的人脸图像质量评价模型。首先建立一个8层的卷积神经网络模型,提取人脸图像质量的深层语义信息;然后在无约束环境下收集人脸图像,并通过传统的图像处理方法以及人工筛选进行过滤,得到的数据集用以进行模型参数的训练;其次通过在图形处理器（GPU）上加速训练,得到用于拟合人脸图像到类别的映射关系;最后将输入在高质量图像类别的概率作为图像的质量得分,建立人脸图像的质量打分机制。实验结果表明,与VGG-16网络相比,所提模型准确率降低了0.21个百分点,但是参数规模减小了98%,极大地提高了模型运算效率;同时所提模型在人脸模糊、光照、姿态和遮挡方面都具有较强的判别能力。因此,可将该模型应用在实时人脸识别系统中,在不影响系统运行效率的前提下提高系统的准确性。     

基于结构分类器和SVM的人脸检测

本文提出一种’结构分类器 SVM”相结合的快速算法。用以从采色图像中快速检测出可能存在的人脸，它的主要特点就是充分利用人脸的肤色信息和器官的分布规则，构造一个“结构分类器”，从待检测图像中快速排除绝大部分的背景窗口，然后对剩下的候选窗用SVM分类器作进一步确认，最后对检测出来的窗口进行综合，从而定位人脸的最佳位置。通过在相同的测试集上的对比实验，本算法在不影响正检率的情况下，可降低虚警率和极大地提高检测速度。     

基于非线性Boosting回归的多视角人脸配准

人脸配准可以作为表情分析、人脸识别等人脸相关研究的预处理步骤, 是人脸相关的计算机视觉研究的关键问题. 本文针对图像中水平视角在正负45°内的人脸配准问题, 利用基于Haar特征的非线性Boosting回归算法, 根据标定点邻域内的局部纹理预测标定点的位移, 提出了一种新的基于经典活动形状模型(Active shape model, ASM)的实时多视角人脸配准算法. 在两个数据集合上的测试实验表明, 该算法在速度、准确度和稳定性上都比经典的ASM算法有显著提高且优于近期的改进算法, 具有明显的实用价值.     

基于粒子滤波多视角变尺度视频人脸的实时跟踪

提出了一种新的可在复杂环境下,人脸方向、姿态、尺度都有很大变化时,仍能够稳健跟踪的视频跟踪人脸的算法框架。该算法框架很好地结合了人脸检测器和粒子滤波的优点,利用人脸基本模型和特定模型,建立多视角人脸跟踪器,并使用实时跟踪结果,不断对多视角人脸模型进行在线学习,很好地克服了在传统视频跟踪过程中,由于人脸的旋转、尺度变化所造成的漂移甚至失败。实验结果表明,该算法对人脸的旋转、尺度变化、环境影响不敏感,具有很强的鲁棒性和精确性。     

基于支持向量机的多姿态人脸特征定位

提出一种多姿态人脸特征定位方法,在Adaboost定位的人脸区域中划分眼、鼻和嘴的搜索区域,利用眉眼和鼻嘴整体特征,通过大规模多姿态五官样本训练的支持向量机在搜索区域中确定候选眼、鼻及嘴区域。对候选眼、鼻及嘴区域进行筛选与合并以确定最佳位置,实现多姿态人脸上五官的准确定位。实验结果表明,该方法具有较好的精确性和鲁棒性,能适应复杂背景下表情变化的多姿态人脸上的眼、鼻及嘴的定位。     

多视点视频信号的中间视点图象合成研究

为了能得到一种具有立体感和交互操作功能的新型视频,在基于时空信息的单通道视频对象分割基础上,给出了多视点视频编码中视频对象的提取方案,并提出了一种基于对象的视差匹配算法,以提高视差估计的精确性和可靠性;并通过视差插值实现了视频对象的中间视点图象合成.实验结果显示所提出的方法是可行和有效的.     

Classification of Multi-view Digital Mammogram Images Using SMO-WkNN

Breast cancer (BCa) is a leading cause of death in the female population across the globe. Approximately 2.3 million new BCa cases are recorded globally in females, overtaking lung cancer as the most prevalent form of cancer to be diagnosed. However, the mortality rates for cervical and BCa are significantly higher in developing nations than in developed countries. Early diagnosis is the only option to minimize the risks of BCa. Deep learning (DL)-based models have performed well in image processing in recent years, particularly convolutional neural network (CNN). Hence, this research proposes a DL-based CNN model to diagnose BCa from digitized mammogram images. The main objective of this research is to develop an accurate and efficient early diagnosis model for BCa detection. This proposed model is a multi-view-based computer-aided diagnosis (CAD) model, which performs the diagnosis of BCa on multi-views of mammogram images like medio-lateral-oblique (MLO) and cranio-caudal (CC). The digital mammogram images are collected from the digital database for screening mammography (DDSM) dataset. In preprocessing, median filter and contrast limited adaptive histogram equalization (CLAHE) techniques are utilized for image enhancement. After preprocessing, the segmentation is performed using the region growing (RG) algorithm. The feature extraction is carried out from the segmented images using a pyramidal histogram of oriented gradients (PHOG) and the AlextNet model. Finally, the classification is performed using the weighted k-nearest neighbor (WkNN) optimized with sequential minimal optimization (SMO). The classified images are evaluated based on accuracy, recall, precision, specificity, f1-score, and mathews correlation coefficient (MCC). Additionally, the false positive and error rates are evaluated. The proposed model obtained 98.57% accuracy, 98.61% recall, 99.25% specificity, 98.63% precision, 97.93% f1-score, 96.26% MCC, 0.0143 error rate, and 0.0075 false positive rate (FPR). Compared to the existing models, the research model has obtained better performances and outperformed the other models.     

基于特征数期望最小化的人脸检测分类器构建

目前Boosting训练算法已被广泛地应用于人脸检测中级联分类器的构建,而Boosting及其大量改进算法都主要关注于检测率而不是分类器的性能.文中提出了一种新的基于检测特征数期望值最小化的级联分类器构建方法使得分类器的各层特征数组合达到最佳性能.实验结果表明最优组合的检测特征数期望值比已发表的组合要小将近2倍,从而获得了比已发表的特征数组合高出近80%的性能提升.因此该方法适用于使用Boosting及其变形算法构建具有最佳性能的级联分类器.     

基于RGB-D相机的多视角机械零件三维重建

为了低成本且高效的实现对机械零件的三维重建和参数测量,研究了利用RGB-D相机从6个角度拍摄机械零件,获得零件不同角度的深度图像与彩色图像,通过坐标转换将深度图像转换成点云数据。首先利用滤波算法去除点云噪声,分割出机械零部件的点云数据,并利用PCA主成分分析法计算点云数据的法向量;使用最近点迭代算法(ICP)实现相邻三视角点云数据的配准,得到正背面的点云,将正背面点云进行旋转融合得到最终的目标点云数据;最后使用泊松重建算法得到完整闭合的零件三维模型。实验结果表明本文的三维重建方法具有较好的鲁棒性和准确性,重建得到的三维模型细节清晰,点云误差较小。     

基于IR-UWB雷达的多视角融合动态目标追踪

近年来,对运动目标的定位和追踪被广泛地应用于室内导航、智能家居、安防监控和智慧医疗等场景.基于无线射频信号的非接触式定位追踪受到了研究人员的广泛关注,其中基于商用IR-UWB的技术能够以较低的成本和功耗实现目标定位和追踪的功能,具有较强的发展潜力.然而,现有工作大多存在以下问题:1)追踪场景受限,只针对理想情况下室外或者相对空旷的室内场景进行建模和处理; 2)目标的运动状态受限且建模过于理想; 3)虚假动态目标引起的追踪精度不足.为了解决这些问题,在理解多径场景下接收信号谱组成的基础上,提出一个基于IR-UWB的动态目标追踪方法.首先提取原始信号谱中动态成分,并利用基于高斯模糊的多径消除和距离提取算法,消除了多径干扰,仅保留与运动目标直接相关的一次反射信息,从而准确地获取了目标的距离变化曲线.随后,提出多视角融合算法,将不同视角上的设备距离信息进行融合,实现对自由活动目标的准确定位和追踪.此外,还搭建一个基于低成本商用IR-UWB雷达的实时动态目标追踪系统.真实室内家居场景中的实验结果表明,系统估计的人体中心的位置与真实运动轨迹的误差始终小于20 cm.在改变实验环境、实验者、活动速度...     

使用半边脸训练集的快速人脸检测方法

Viola和Jones提出的基于Boosted Cascade人脸检测方法具有速度快的优点,能够满足实时检测的要求.然而,由于Viola的方法采用的是完整的正面人脸作为训练集,所以在检测时对人脸的对称性要求很高.如果这种对称性因为光照、遮挡、旋转的原因而被破坏时,原方法的准确性就会降低.本文针对这一问题提出基于半边脸训练集的改进方案(即只用人脸的左半边或者右半边脸作为训练集),并分析了其可行性.实验结果表明,该方案在一定程度上解决了上述问题.     

基于曲面形变的三维人脸样本配准

三维人脸样本是人脸识别、人脸动画等领域进行模型训练、算法设计及性能比较的重要数据平台。为了提高三维人脸样本的配准效果和配准速度,提出一种基于曲面变形的三维人脸样本配准方法。该方法通过对标准化样本实施一系列的变形操作来建立原始样本与标准样本之间的对应关系。然后基于该对应关系对原始样本进行配准处理,在处理过程中使用统计方法对样本上的毛刺点和空洞进行修补。实验结果表明,使用该方法可以快速、有效地对不同格式的原始样本进行配准。