基于复杂网络和图像轮廓的形状识别方法

基于轮廓的图像识别方法具有过程简单、识别效率高等特点.但随着人脸表情变化、光照强度以及遮挡等因素的改变,提取图像轮廓形状的难度增大,从而使方法的有效性受到影响.本文提出一种基于复杂网络和图像轮廓的形状识别方法,通过提取形状图像的轮廓点,建立相应的复杂网络模型,计算相关参数来识别图像.实验表明,该方法具有对轮廓图精确度依赖性低、复杂网络规模小、阈值参数少、能有效适应边界形状改变等优点.     

复杂背景下的彩色图像人脸检测

提出了一种复杂背景下使用肤色模型检测人脸的方法.该方法首先对图像进行光照补偿,然后对肤色模型处理后的二值图像进行分割与合并,并结合先验知识提取出人脸候选区域,最后验证人脸轮廓、眼睛和嘴等特征来判断人脸候选区域是否包含人脸.对1 010幅变光照和复杂背景情况下拍摄的彩色人脸图像进行验证,其检测率达到89.7%.     

模型基编码中的鼻子形状自动提取

介绍了一种简单而有效的模型基编码鼻子轮廓提取算法.该算法利用皮肤颜色图像分割、特征保留图像二值化、特征脸校验、脸部特征滤波和k-均值分类器定位复杂场景中的人脸及脸部各特征区域,提出了以圆形和非对称双抛物线建立的鼻子形状形变模板以及相应的能量函数,寻找的Powell能量最小化算法的初始参数加速了模板匹配过程,给模型基编码的人脸线框模型自动调整提供了准确的鼻子形状参数.实验表明,所提出的算法对不同人脸姿势的鼻子形状估计表现出良好的结果.     

融合遮挡检测与HOG特征协作表示的鲁棒人脸识别

稀疏表示分类算法在人脸识别中表现出较好性能,但其对面部遮挡的鲁棒性较差,在特征提取时未利用面部鲁棒特征且实时性差。针对以上问题,本文提出了融合遮挡检测与HOG特征协作表示的人脸识别方法。首先,设计了一种基于HOG特征和支持向量机的遮挡检测方法,根据常见遮挡的分布将人脸分块,在子块上检测遮挡。然后,结合遮挡检测结果,仅提取非遮挡部分的HOG特征并利用协作表示方法进行分类。测试结果表明:对AR人脸库中遮挡图像的平均识别率为95.2%,对AR、Yale人脸库中发生光照和表情变化人脸的识别率分别为97.3%和98.6%,且运算速度比稀疏表示方法提升了约293倍。与基于稀疏表示的分类方法相比,该方法的鲁棒性和实时性都有明显提升。     

一种改进的基于主动形状模型的人脸特征定位方法

主动形状模型是目前一种常用的人脸特征定位方法.针对传统的主动形状模型过度依赖模型初始参数的设置问题,提出了一种改进的基于主动形状模型的人脸特征定位方法.首先,通过样本学习得到输入新图像的灰度重构系数,并将这组系数用于人脸形状的重构,再由重构出的人脸形状得到主动形状模型的初始参数,然后通过不断调整模型参数减少模型与目标轮廓的距离误差,最后在数次迭代后达到模型与实际人脸特征轮廓的匹配.与基于传统主动形状模型的特征定位相比,改进的主动形状模型具有较高的准确性,能快速定位出各目标特征.     

基于面部边缘细节的局部遮挡人脸图像识别

为解决人物面部遮挡情况下识别人脸信息不清楚的缺陷,优化人脸识别系统,提出了基于面部边缘细节的局部遮挡人脸图像识别方法。依据稀疏性表达对人脸图像去噪,根据图像灰度变换原理检测人脸图像边缘,分割边缘区域,计算其阈值以得到人脸图像边缘信息。标记人脸特征点增强信息识别精度,提取人脸图像的特征描述子,并将其输入支持向量机模型中,通过训练实现局部遮挡人脸图像识别。实验结果表明,该方法应用于人脸图像识别平均识别率高于73%,识别时间低于20 s。     

基于肤色及深度信息的人脸轮廓提取

提出并实现了一种新的提取人脸封闭轮廓的方法.首先通过三目立体视觉系统获得彩色图和深度图,然后利用彩色图的肤色信息和深度图的深度信息而惟一确定的面部区域,最后再通过对面部肤色区域轮廓提取并结合活动轮廓模型(Snake)提取下巴,从而完成整个人脸轮廓的提取.该算法能够较好地提取人脸的轮廓线,克服了下巴边界难以从颈部区域提出的困难,定位精度高,边缘连续性好,满足了人脸轮廓特征提取的要求.     

复杂背景人脸的定位与特征抽取

对于人脸识别技术来讲,应包括两个部分,即“自动定位”与“自动识别”。在这篇论文中,我们提出了一种能够在复杂背景下实行精确的人脸定位的方法,这种方法是利用速度场的方法。我们使用运动图像序列,求出人脸运动的速度场向量,并对向量场取阀值经后处理得到的运动物体的范围图,然后求出运动物体边界,并用此边缘作引导搜索,对人脸进行精确的定位并提取脸部轮廓,定位五官,抽取特征值。该方法可应用于特定环境下的安全系统中     

部分遮挡人脸的检测技术分析

生物识别技术是计算机技术的一个新的应用领域,人脸识别成为生物识别中的一个热点问题,人脸检测是人脸识别的前期重要工作部分。现有的人脸检测算法多是针对简单背景下只有一个人验的图像进行的,对部分遮挡人脸的检测很少研究。文中提出局部遮挡人脸恢复的属性关系图方法．通过对较复杂背景下10幅图像实验（包括遮挡人脸和非遮挡人脸）,该算法对非遮挡人脸的正确检测率为98％,对遮挡人脸的准确检出率为62％。该算法对部分遮挡人脸的检测有一定的指导意义,但需要进一步的实验和提高准确检出率。     

基于强度PCNN的静态图像人脸识别

为了减少人脸图像中姿势、表情和光照等因素对人脸识别的影响,引用了一种基于脉冲发放强度的脉冲耦合神经网络(PCNN,pulse coupled neural network)的人脸特征提取方法。不同人脸图像具有不同的灰度特征,将人脸图像输入PCNN模型后可以得到各个图像特定的脉冲发放强度矩阵。实验利用脉冲强度矩阵作为人脸特征,并结合距离分类器——余弦距离进行人脸识别。仿真实验表明,基于强度PCNN模型提取的特征能刻画出人脸的细节,对于不同姿势、表情及面部明显遮挡物的人脸图像,具有较好的识别结果。该方法对于复杂人脸图像特征的提取,具有较强的鲁棒性。     

一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.     

基于多特征集成分类器的人脸表情识别

提出基于多特征集成分类器的人脸表情识别新算法。新算法首先对预处理后的人脸表情图像通过3种不同的特征提取方法来提取不同类型的表情特征,然后对不同特征构造不同的分类器,最后构造一个基于神经网络的集成分类器模型,对这3个分类器的输出进行决策融合,从而实现人脸表情的最终识别。在JAFFE人脸表情数据库中的试验结果表明,所提算法的识别效果优于单个特征和单一的分类器。     

RBF neural network and active circles based algorithm for contours extraction

For the contours extraction from the images, active contour model and self-organizing map based approach are popular nowadays. But they are still confronted with the problems that the optimization of energy function will trap in local minimums and the contour evolutions greatly depend on the initial contour selection. Addressing to these problems, a contours extraction algorithm based on RBF neural network is proposed here. A series of circles with adaptive radius and center is firstly used to search image feature points that are scattered enough. After the feature points are clustered, a group of radial basis functions are constructed. Using the pixels’ intensities and gradients as the input vector, the final object contour can be obtained by the predicting ability of the neural network. The RBF neural network based algorithm is tested on three kinds of images, such as changing topology, complicated background, and blurring or noisy boundary. Simulation results show that the proposed algorithm performs contours extraction greatly.     

面向中医望诊的人脸图像配准

对可疑病人脸色与病例库中标准病例脸色之间的配准进行了研究.从人脸检测、特征提取到人脸配准,提出一套解决方案和实现算法.将基于肤色模型和动态外观模型的人脸多特征点精确定位方法相结合,应用于面向中医望诊的人脸图像特征定位中,利用所得特征点对人脸划分区域,在各区域内提取颜色特征,实现了基于颜色的图像配准.     

基于曲率和纹理信息的三维人脸特征提取

针对目前三维人脸特征提取方法对表情很敏感的缺陷,通过借鉴曲面曲率生动描述人脸形状的特点和人脸特征区域纹理不受表情影响的特点,提出了一种基于曲率和纹理信息的三维人脸特征提取方法。实验分析说明该方法有效利用了三维人脸的深度信息和人脸纹理对表情和姿态不敏感,具有较好的准确性和鲁棒性。     

基于Kinect 2的三维人脸个性化建模

提出一种基于五官形状特征点以及人脸肌肉函数的优化Kinect 2 个性人脸网格的算法,然后通过自适应uv贴图,使结果更符合个性人脸特征.首先,通过提取彩色图的特征点位置获取个性人脸的x,y 空间的特征信息,基本的五官形状特征点为83 个,通过相似三角关系在鼻梁和鼻翼处添加了6 个特征点以丰富五官形状特征信息.肌肉形状特征约束方面,综合肌肉形状约束量有43 个.其次,通过Kinect 2 人脸个性化建模得到中间模型,同时也获得了五官形状和肌肉形状特征的深度先验信息.接着使用基于拉普拉斯算子的微分网格变形算法对Kinect2 的中间模型进行五官优化及肌肉形状约束,通过对比ASM、正则化均值漂移和face + + 算法检测的人脸特征点来选择更精确的五官位置.最后,为了让人脸更具有真实感,还通过平面微分网格形变实现了uv 自动贴图,提升了maya中手动调整uv 坐标的准确性和效率.同时,使用次表面散射光照模型来使人脸皮肤的真实感加强.实验表明,本文所采用的三维人脸模型的个性化变形方法能使Kinect2 模型更好地符合个性人脸特征,这将为后期的表情生成和动画制作奠定良好的基础.     

基于稀疏编码的提取人脸整体特征算法

为了提高特征的分类效果 ,提出了一种新的基于稀疏编码的人脸特征提取方法。稀疏编码是去除图像冗余的一种有效方法 ,适于描述具有 non- Gaussian分布的图像集合。和基于主成分分析 (PCA )的传统方法相比 ,利用稀疏编码提取的特征具有更好的分类特性。根据稀疏编码的聚类特性 ,利用模糊 C均值聚类对稀疏编码基函数进行初始化以进一步提高特征的可分性。人脸识别的试验结果表明 ,该方法明显优于传统的“特征脸”方法 ,是一种有效的图像整体特征提取方法     

基于小波分析的人脸识别算法

提出一种利用小波分析提取人脸特征的方法。对人脸图像做小波分解,用网格划分其子图像,在各子块上提取统计特征,用其训练多分类支持向量机模型,最后用训练好的支持向量机进行人脸识别。选择ORL人脸库对该算法进行实验,与PCA算法的比较结果证明了该算法在识别性能方面的优越性。