超低分辨率人脸图像高速重建方法

文中采用软硬件相结合的方法,实现了一种基于学习的超低分辨率人脸图像的高速重建系统.硬件系统的工作频率为60MHz,采用了FPGA组成并行处理单元,采用多内存形成并行数据,高速实现了计算复杂度高的相似度计算、相似度排序,从而解决了基于学习的超低分辨率人脸图像重建的处理速度问题.文中实现了8×6,16×12,32×24三个级别的人脸图像尺寸的重建系统,重建倍率分别为4×4倍、8×8倍、16×16倍,取得了好的视觉效果和低的RMS误差率,在速度上与C相比,最大可达到7900多倍的加速比,在保证重建质量的同时在处理速度上也有显著的提高.     

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。     

可配置高速二维卷积处理器设计与Gabor滤波应用

针对具有多种大尺寸卷积内核的Gabor滤波器组,设计了可配置二维卷积处理器来实现硬件加速。该处理器利用FPGA(field programmable gate array)内部逻辑资源构建具有多级流水线的二维卷积运算单元,并通过子块分割及重组来支持任意尺寸的卷积运算。使用高级语言对其控制器编程来实现对卷积运算单元及数据流的配置,从而实现Gabor滤波。实验表明:使用EP2C70F896C6型FPGA工作在75MHz,对于120×90像素的灰度图像计算五尺度八方向Gabor滤波(最大尺寸为41×41像素,系数为复数)总耗时28.8ms。     

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。     

用于人脸识别的正面人脸图像眼镜摘除

眼镜是人脸图像中最常见的遮挡物,它对识别率的影响很大。为了提高戴眼镜人脸图像的识别率,提出了一个从正面人脸图像中提取并摘除眼镜的方法。通过一个自适应二值化的方法,检测了正面人脸图像中眼镜遮挡的部分。经过迭代的误差补偿方法,合成了对应输入图像的不戴眼镜的正面人脸图像。实验结果表明:该方法能有效地合成无眼镜的正面人脸图像。原始戴眼镜人脸图像的识别率是50.1%,合成的无眼镜正面人脸图像的识别率是99.4%。