Bayesian shape model for facial feature extraction and recognition

A facial feature extraction algorithm using the Bayesian shape model (BSM) is proposed in this paper. A full-face model consisting of the contour points and the control points is designed to describe the face patch, using which the warping/normalization of the extracted face patch can be performed efficiently. First, the BSM is utilized to match and extract the contour points of a face. In BSM, the prototype of the face contour can be adjusted adaptively according to its prior distribution. Moreover, an affine invariant internal energy term is introduced to describe the local shape deformations between the prototype contour in the shape domain and the deformable contour in the image domain. Thus, both global and local shape deformations can be tolerated. Then, the control points are estimated from the matching result of the contour points based on the statistics of the full-face model. Finally, the face patch is extracted and normalized using the piece-wise affine triangle warping algorithm. Experimental results based on real facial feature extraction demonstrate that the proposed BSM facial feature extraction algorithm is more accurate and effective as compared to that of the active shape model (ASM).     

基于曲率信息的三维人脸面部特征提取

提出了一种基于曲率信息的三维人脸面部特征提取方法。首先根据几何约束和曲率信息得到由若干间断点描述的人脸五官区域轮廓线;其次采用边界连接及变形膨胀方法,得到完全闭合、但存在多余毛刺的区域边界;最后利用二维图像处理方法进行边界精确化处理,提取出比较精确的人脸面部特征区域。实验证明了所提方法对正面自然表情三维人脸模型的有效性。     

Robust facial feature points extraction in color images

A method of facial feature points extraction based on improved active appearance model (AAM) with Gabor wavelet features was presented in the paper. After the pre-processing of a standard face detector and lighting compensation, the paper proposed a hybrid AAM by combining the local skin similarity with the original local grey-level appearance model. Moreover, the feature points by the hybrid AAM and their neighbors were considered by a classification problem to further refine the results. Namely, the Gabor feature around the feature points was extracted, trained by linear discriminant analysis (LDA) and classified by K Nearest Neighbor (KNN) to give the precise location of the feature points. Experimental results indicated that facial feature points can be located robustly and precisely by the proposed method.     

鲁棒特征提取算法

特征提取技术的应用依赖于数据的固有属性,研究了当前流行的特征提取技术,并针对这些特征提取技术所存在的弱点,提出了一种新颖的特征提取算法-鲁棒特征提取算法.该算法分为两个阶段,以同时最大化不同类之间的距离与最小化类内距离为目标.实验结果表明,在对现实世界数据集进行特征提取时,鲁棒特征提取算法表现出的性能在分类精度与效率的指标上均能达到最优.对这些实验结果进行了解释,并给出了进一步研究的方向.     

三维人脸鼻子特征检测

针对现有三维数据鼻子检测与定位方法的不足,提出了自动检测与定位鼻子特征方法.通过对三维海量数据点进行二维空间Delaunay三角化并映射到三维空间,得到三维人脸模型.基于鼻子区域的凹凸特性,确定鼻子大致区域.对区域内空洞进行填补,并采用形态滤波方法对鼻子边缘进行光滑以得到准确的鼻子特征与特征点.通过对不同三维人脸数据的鼻子特征点检测与定位,表明了所提方法的有效性和可靠性.     

一种用于脸部特征检测的分层概率模型研究

脸部特征检测问题是计算机视觉领域的研究热点。因为脸部外观和形态随着条件的变化而变化,因此面部特征检测比较复杂。针对现有脸部特征检测算法的不足,提出一种已知图像测量数据后能够推断出真实脸部特征位置的分层概率模型。针对每个脸部子部位的局部形态变化进行间接建模;通过搜索模型的最优结构和参数设置,在更高层次上学习脸部子部位、脸部表情和姿态间的联合关系。该模型综合利用了脸部子部位自下而上的形态约束以及脸部子部位间自上而下的关系约束来推断出脸部特征的真实位置。利用基准数据库进行了仿真实验。实验结果表明,该方法的检测性能要明显优于目前最新的人脸特征检测算法。     

形状的不变量特征提取与识别

目的 形状作为图像检索、目标识别等任务中的一种重要线索,一直是计算机视觉领域研究的重点课题。形状识别在实际应用中经常受到视角变化、非线性形变等因素的干扰,导致识别精度较低。针对这一状况,提出一种多尺度的不变量形状描述。方法 方法首先在多个尺度下对形状轮廓进行计算,提取5种不变量特征,以构建对形状的有效描述,然后利用动态时间规整（DTW）算法对形状描述进行匹配,计算形状之间的相似度,以完成形状的匹配与识别。结果 基于不变量多尺度的形状描述对于旋转、缩放、局部遮挡、铰接形变、类内差异,以及噪声等干扰具有很强的鲁棒性。同时,方法被用于对MPEG-7、Kimia99、Kimia216以及铰接形状数据库中的形状进行识别,取得了较高的识别精度,分别为91.79%、95.27%、91.33%,以及89.75%。此外,在MPEG-7数据库中进行形状识别的平均耗时为65 ms,优于大多数同类方法。结论 提出了一种基于不变量多尺度的形状描述方法。该方法能提取形状在不同尺度下的多种不变量特征,对形状进行有效描述,提高了形状描述对几何变换和非线性形变等干扰的鲁棒性以及形状匹配识别精度,适用于大多数应用场景下的目标识别任务。尤其是在旋转、缩放、类内差异、局部遮挡和铰接变形等干扰存在的情况下也能保持较高的识别正确率。     

一种姿态变化下的ASM人脸特征定位方法

为了解决传统主动形状模型(ASM)在姿态变化情况下的人脸特征定位不准确的问题,提出一种姿态变化下的ASM人脸特征定位方法。首先在ASM初始化过程中添加一个旋转因子R来初始化人脸形状向量b,使得当人脸有姿态变化时,能自动调整人脸的偏转方向;然后融合局部二值模式算子建立局部纹理模型;最后在IMM人脸库上进行测试,平均定位误差为7.102 0个像素点,比传统的ASM提高35.85%。实验结果表明,与传统的ASM相比,该方法显著改善了姿态变化下的人脸特征定位不准确的问题,并提高了对各特征点的提取精度。     

基于改进Kinect的点分布模型面部表情特征提取

在面部表情识别中,差异性会在人体面部充分体现,各个器官的整体分布的复杂性和外界影响等因素,使得人体面部表情特征的定位非常困难。利用Kinect点分布特性,给出了一个面部表情特征提取算法,并进行了相关实验,结果表明,本方法在提取对不相关变形保持不变、噪声不敏感、类别区分度大的特征具有明显优势。     

基于随机子空间的多标签类属特征提取算法

目前多标签学习已广泛应用到很多场景中,在此类学习问题中,一个样本往往可以同时拥有多个类别标签。由于类别标签可能带有的特有属性（即类属属性）将更有助于标签分类,所以已经出现了一些基于类属属性的多标签学习算法。针对类属属性构造会导致属性空间存在冗余的问题,本文提出了一种多标签类属特征提取算法LIFT_RSM。该方法基于类属属性空间通过综合利用随机子空间模型及成对约束降维思想提取有效的特征信息,以达到提升分类性能的目的。在多个数据集上的实验结果表明：与若干经典的多标签算法相比,提出的LIFT_RSM算法能得到更好的分类效果。     

局部特征脸型分类方法

本文针对传统脸型分类算法特征点定位不准和过度依赖轮廓曲线的问题,提出了一种人脸轮廓圆形邻域局部特征表达方式和脸型分类模型。首先,初步定位脸型轮廓特征点;然后,在特征点周围选取三重八连通圆形邻域,通过计算一级邻域、拓展邻域与中心区域间的纹理变化,生成二进制编码序列,构造脸型局部特征向量;最后,设计OVO-RBF-SVM多分类模型,实现脸型分类。本文方法在CAS-PEAL人脸库上进行脸型类型判别,获得了94.28%的准确率;在相同情况下,分别与基于主动形状模型和基于下颌曲线模型的脸型类型判别方法进行对比,准确率分别提高了6.64%和6.58%。本文所研究的方法在一定程度上解决了特征点定位相对不准确导致误差增加的问题,同时尽可能多利用图片原始信息,保证轮廓特征提取的准确率,具有较强的鲁棒性。通过实验证明本文方法适用于脸型分类。     

线特征提取的多尺度分析

线特征提取是计算机视觉中重要的低级处理过程,而多尺度分析是采用微分几何方法进行线特征提取时一个重要内容。研究了在对不同宽度线特征进行检测时,尺度因子的选择问题,分析了变化的线宽与特定尺度因子间的关系,得到新的尺度因子确定方法。实验表明该方法简单、省时、有效。     

人脸表情识别概述

人脸表情识别是智能化人机交互技术中的一个重要组成部分,现在是越来越受到重视。本文阐述了人脸表情识别的课题背景及其起源、发展与研究现状,并结合国内外相关领域的发展,从特征提取方面对目前表情识别的主流方法做了详细介绍,并提出了人脸表情识别中需要解决的问题。     

一种广义的主成分分析特征提取方法

提出了一种广义的PCA特征提取方法。该方法先将图像矩阵进行重组,根据重组的图像矩阵构造出总体散布矩阵,然后求出最佳投影向量进行特征提取。它是2DPCA和模块2DPCA的进一步推广,可以建立任意维数的散布矩阵,得到任意维数的投影向量。实验表明,随着总体散布矩阵维数的减小,广义PCA的特征提取能力更强,特征提取的速度也更快。     

基于面部动作时空特征的疲劳预警算法

目前疲劳预警算法多采用实时监测报警的方式,这在高速行驶中具有很大的安全隐患。鉴于人类疲劳状态的时序相关性,提出一种基于面部动作时空特征提取的预警算法。首先,构建加入空间变换结构的卷积神经网络,识别人脸区域,对脸部特征点进行检测标记;其次,建立时空特征提取网络,利用采集的人脸图像序列,对未来图像序列进行预测并输出;最后,在输出的图像序列中根据眼部、嘴部综合状态判断是否发出警告。实验结果表明,以15 fps的速率采集图像,预测未来2 s 30帧图像的方式下,该算法能以90%以上的准确率提前26帧（约1.5 s）预警,且提前15帧（1 s）预警的准确率达到97%。在我国高速公路平均100 km/h的车速下,相当于提前40 m预警,能进一步减少交通事故的发生。     

一种快速高效的人脸特征点定位方法

针对传统人脸特征点定位方法中存在的算法复杂、鲁棒性差以及精确度低等不足,提出一种基于局部特征区域快速高效的人脸特征点自动定位方法。首先对经过预处理后的人脸图像利用改进的积分投影算法结合肤色特性实现人脸区域的精确定位;然后在人脸区域内根据各特征部位的特性标定其特征区域;最后在特征区域内完成人脸特征点的自动定位。实验结果表明,该算法简单、具有较高的鲁棒性,且能够快速高效地实现人脸特征点定位。     

Info-margin maximization for feature extraction

We propose a novel method of linear feature extraction with info-margin maximization (InfoMargin) from information theoretic viewpoint. It aims to achieve a low generalization error by maximizing the information divergence between the distributions of different classes while minimizing the entropy of the distribution in each single class. We estimate the density of data in each class with Gaussian kernel Parzen window and develop an efficient and fast convergent algorithm to calculate quadratic entropy and divergence measure. Experimental results show that our method outperforms the traditional feature extraction methods in the classification and data visualization tasks.     

Two realizations of a general feature extraction framework

A general feature extraction framework is proposed as an extension of conventional linear discriminant analysis. Two nonlinear feature extraction algorithms based on this framework are investigated. The first is a kernel function feature extraction (KFFE) algorithm. A disturbance term is introduced to regularize the algorithm. Moreover, it is revealed that some existing nonlinear feature extraction algorithms are the special cases of this KFFE algorithm. The second feature extraction algorithm, mean-STD¹-norm feature extraction algorithm, is also derived from the framework. Experiments based on both synthetic and real data are presented to demonstrate the performance of both feature extraction algorithms.     

一种基于图的人脸特征提取方法

当前主流特征提取方法主要从全局特征或局部特征出发实现降维。为了能充分反映样本的全局特征和局部特征,提出基于图的人脸特征提取方法。该方法首先通过对训练样本进行学习得到最佳投影方向,该方向保证投影后的样本类内紧密而类间松散;然后将测试样本映射到最佳投影方向上并利用最近邻分类器进行样本类属判定。标准人脸库上的比较实验结果证明了所提方法的有效性。     

基于图像特征的各向异性扩散去噪方法

对图像去噪滤波方法,J.Weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘,为此,提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和T形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。