面部吸引力提升的定量分析与实现

为了改进用平均脸对原始脸的纹理进行美化的方法,建立了基于主动外观模型(AAM)的人脸美化方法,找到了在相似和美丽度提升之间的一个平衡。使用包含98张女性正面照片的数据库,首先利用主动形状模型(ASM)对每张脸进行特征点点集定位,对标定的人脸进行形状对齐及灰度标准化,建立形状及灰度模型,加权形成主动外观模型(AAM),从而将人脸同人脸空间中高维的点对应起来;然后用逐步趋近的方法,对平均脸和原始脸之间的关系应用AAM外观参数进行定量分析,实现最终的美化。     

基于改进AAM的人脸特征点提取

提出了具有鲁棒性的基于局部二值模式LBP纹理提取人脸特征点的主动外观模型AAM算法（LBP-AAM）.首先建立3种人脸模型实例（正面,左转及右转人脸模型）;然后应用LBP判断和预测测试图片的旋转类型,依据预测结果选择合理的模型实例去匹配;最后提取出人脸特征点.实验结果证明本方法比传统的AAM方法在精度上提高了27%,效率上提高了9%.     

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Canny-AAM的人脸特征定位算法

主动表观模型(AAM)是经典的特征点检测方法,该模型对外轮廓的定位不是十分准确,且计算复杂度高,迭代次数大,容易陷入局部最优解,很难满足多姿态人脸特征点检测的要求.针对上述问题,提出了一种基于Canny边缘检测的AAM人脸特征定位方法.在使用AAM之前先利用Canny算法进行边缘检测,滤去非人脸轮廓部分像素点的纹理信息,使特征点极大限度的定位到人脸轮廓部分.实验结果表明:该方法减少了迭代次数,降低了计算的复杂度,提高了匹配的准确率,时间消耗降低了27.7%.     

融合加速稳健特征的子空间人脸识别方法

为了充分利用人脸特征信息更加准确全面地描述人脸,提高现有识别算法的识别率,提出一种融合改进的加速稳健特征和子空间特征进行人脸识别的方法。利用AAM形状模型的训练方法,训练得到41个点的人脸形状模型;对每幅图像进行特征点初歩定位,找到并保留与初歩定位的特征点空间距离最近的SURF特征点。将SURF特征点描述子利用PCA降维,得到改进的SURF局部特征向量。然后利用PCA对图像进行全局特征提取,将局部特征与全局特征进行融合,组成全新的特征向量。最后通过特征向量的匹配实现识別。对包括本算法和PCA-SIFT算法在内的6种不同识别算法进行了验证。实验结果表明,提出的算法在改变ORL人脸库中训练集样本数的情况下,识别率均优于其他算法;在样本数为5的情况下比PCA-SIFT方法提高了4.3%,可见该算法提高了人脸的识别率具有较强的鲁棒性和分类性。     

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。     

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.     

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。     

全局纹理约束的主动性状态模型

基于图像解释、分割中两种常用的模型——主动形状模型（ASM）和主动表观模型（AAM）的基本原理，提出了一种全局纹理约束的主动形状模型的新方法。     

AAM图像处理方法的不同最优化性能研究

主动外观模型(Active Appearance Model,AAM)是一种统计参数化模型,AAM模型在人脸特征点提取和识别中有广泛的应用。AAM模型拟合的主要思想是使测试图像与模板图像之间的纹理差异值最小,也就是一个最优化问题。传统的AAM方法利用最小二乘法求解这个最小化问题,在最小二乘法中当计算Hessian矩阵以及逆矩阵时,由于该逆矩阵可能是奇异矩阵将会产生较大的误差。因此,在研究不同的最优化算法基础上,分别采用遗传算法、QPSO、牛顿法、最小二乘法求解AAM拟合中的优化问题。通过实验展现AAM在不同优化算法下的拟合性能。     

融合主动外观模型与局部二元模式的人脸识别

提出一种新的人脸识别算法.首先,利用主动外观模型(active appearance model,AAM)提取人脸五官特征点,进而获得人脸区域的全局纹理特征;然后对人脸区域中的若干个局部子块进行加权局部二元模式(local binary pattern,LBP)的特征组合;接着分别对这两类特征进行最近邻法则匹配;最后,采用基于模糊综合的原理对这两大类特征进行数据融合,给出最终识别结果.实验表明该算法的有效性,能够很好地结合人脸图像全局和局部的互补信息,识别效果优于各单一模块的分类性能.     

Fast Individual Facial Animation Framework Based on Motion Capture Data

Based upon motion capture,a semi-automatic technique for fast facial animation was implemented. While capturing the facial expressions from a performer,a camera was used to record her /his front face as a texture map. The radial basis function（ RBF） technique was utilized to deform a generic facial model and the texture was remapped to generate a personalized face.Partitioning the personalized face into three regions and using the captured facial expression data,the RBF and Laplacian operator,and mean-value coordinates were implemented to deform each region respectively. With shape blending,the three regions were combined together to construct the final face model. Our results show that the technique is efficient in generating realistic facial animation.     

Personalized Multi-View Face Animation with Lifelike Textures

Realistic personalized face animation mainly depends on a picture-perfect appearance and natural head rotation. This paper describes a face model for generation of novel view facial textures with various realistic expressions and poses. The model is achieved from corpora of a talking person using machine learning techniques. In face modeling, the facial texture variation is expressed by a multiview facial texture space model, with the facial shape variation represented by a compact 3-D point distribution model (PDM). The facial texture space and the shape space are connected by bridging 2-D mesh structures. Levenberg-Marquardt optimization is employed for fine model fitting. Animation trajectory is trained for smooth and continuous image sequences. The test results show that this approach can achieve a vivid talking face sequence in various views. Moreover, the animation complexity is significantly reduced by the vector representation.     

一种基于MPEG-4的三维人脸表情动画算法

面向模型基人脸视频编解码领域,提出了一种基于MPEG-4的三维人脸表情动画算法.首先对编码端发送视频的首帧图像,利用Adaboost+Camshift+AAM(active appearance model算法检测人脸和定位特征点,接着特定化一个简洁人脸通用网格模型得到FDP(facial definition parameter);对于得到的FDP,解码端先用其特定化一个精细人脸通用网格模型,然后基于肌肉模型和参数模型相结合的方式来生成人脸表情动画,同时对人脸功能区进行划分.实验表明,该算法在FAP(facial animation parameter)流的驱动下可以生成真实感较强的三维人脸表情动画.     

一个改进的球面谐波模型及其在光照人脸识别中的应用

从根本上解决人脸识别中的光照问题,仅从人脸的平面图像考虑是不够的,需更多地利用人脸的纹理和形状等本质特征。提出用中性人脸的形状来表示特定人脸的形状,并通过计算球面谐波基图像进行光照估计,实现光照补偿。对真实照片去光照的处理和在Yale B人脸库上的实验结果表明,该方法有效地利用了人脸的形状特征,能比较准确地估计出人脸的光照,明显地去掉光照不均的影响,识别率得到较大提高。     

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.