一种基于地形信息熵的人脸检测方法

提出一种基于地形信息熵的灰度人脸检测算法,能够部分地消除当前困扰人脸检测过程中的光照和噪声等因素的影响,尤其对阴阳脸的检测有一定的效果.该算法将人脸图像看作一种特殊的地形,并提取有效的信息熵;利用区域融合和区域过滤等操作,获取"人眼对"的候选区域;根据"三庭五眼"人脸特征,最终确定人脸的位置.实验表明,该方法在某种程度上可以有效地消除光照和噪声的影响.     

一种眼睛精确定位的人脸检测方法

提出了一种图像生成的概率模型,通过检测人脸区域与该区域内人脸的特征,获得最佳的推理算法．该方法将图像分割成若干任意大小区域,包括人脸区域与背景区域,其目的是对相似度模型进行改进,以便判别人脸与背景区域的生成部分,然后利用GentleBoost算法定位出任意图像的人脸和人眼部分．实验结果表明,采用该方法能获得较好的效果,具有一定的使用价值．     

一种基于小波变换和模板的人脸检测方法

提出了一种基于小波变换和模板匹配的人脸检测方法.首先通过小波变换,取其低频系数后设置阈值,生成若干个二值化的候选区域,然后对模板进行旋转伸缩变换,再与候选区域进行匹配.该方法能在复杂背景下快速检测人脸,并且不受人脸旋转角度的影响.实验结果表明,该算法是十分有效的.     

一种基于肤色模型的人脸检测方法及DSP实现

针对静态的人脸图片,采用一种新的肤色模型YCh'Cr',判别人脸大致区域,然后再用椭圆形模型来匹配,把人脸和其它的肤色区域判别出来.基于该肤色模型的算法运算速度快,识别准确率高,能够实现快速的人脸检测.     

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷, 提出一种三维人脸重建改进算法。该算法基于ASM（Active Shape Model) 增强算法, 自动地对特定二维人脸特征区域进行准确定位, 并实现三维人脸数据库的归一化; 利用稀疏形变模型对特定正面二维人脸进行快速三维重建; 采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束, 并将其应用于人脸识别中。实验结果表明, 该方法可实现对特定正面二维人脸快速三维重建, 并取得较好的三维重建精度与识别率, 与经典ASM算法相比, 精度提高12.3%, 迭代次数减少6次。     

基于视觉显著特征的人脸图像分割与跟踪方法的研究

将人脑视觉注意机制应用于人脸图像分割与跟踪中,提出了一种基于视觉显著特征的人脸目标分割与跟踪算法.该方法由三步完成：首先通过模拟人脑视觉注意机制迅速而准确地利用颜色、结构、梯度和位置等信息建立人脸显著特征图.其次,基于建立的视觉显著特征图,对人脸图像视觉显著特征进行学习和聚类,最终能够快速而准确地确认和分割出图像中的人脸区域.该方法突破了传统的逐点搜索的限制,通过一个几何模型和眼图模型对图像中的人脸区域进行搜索,大大提高了人脸候选区域搜索标记的效率,减少了后续处理工作.最后,通过分割出的人脸区域得到一个有效的边界特征图,并融合人脸显著特征图对人脸进行跟踪.实验结果表明本论文所提出的基于视觉显著特征的人脸图像分割与跟踪方法能够较有效地分割出人脸.     

基于双色彩空间和面部矩形特征的人脸检测

在YIQ和YCbCr色彩空间中,结合人类面部矩形的特征,提出了一种用于人脸检测和定位的算法.该算法通过比较输入图像R、G、B 3通道总的平均值和B通道的平均值来选择色彩空间,并采用基于积分图的2维OSTU法进行肤色分割;然后根据肤色区域面积对肤色分割图像进行中值滤波;最后根据中值滤波后的肤色分割图中的肤色区域面积构造最佳人脸矩形,并用该矩形去定位人脸区域.实验结果表明:该算法较传统的采用单一色彩空间的人脸检测算法具有更高的准确率.     

基于复杂度和模板匹配人眼定位方法

生物识别技术是利用人自身具备的生物特征进行身份鉴别的技术.与其他的生物认证技术相比,人脸识别具有更直接、友好、方便的优点.而人眼的自动定位是人脸识别研究中一个基本且非常重要的课题,特别对背景复杂、倾斜、旋转、脸部表情、姿势变化的人脸灰度图像,提出了一种改进的人眼快速定位的算法,该算法首先使用最大类间方差阚值方法确定人脸上下边界,然后利用垂直积分投影确定人脸上下边界,再利用复杂度分析在人脸区域中生成包含眼睛的极小人眼区域,最后在这候选小区域内利用模板匹配的方法精确定位眼睛.这样可以大大减小模板匹配时的计算量.在BioID_TEST_V1.2人脸数据库中实验,该算法的准确定位率95%以上.     

基于肤色模型与Adaboost算法的多视角人脸检测

提出了一种基于椭圆肤色模型与可控风险敏感型Adaboost(CCS-Adaboost)算法的多视角人脸检测方法.在人脸检测的离线训练部分,该方法使用Haar-like特征和CCS-Adaboost算法训练样本.CCS-Adaboost在最小化分类错误率的同时能够最小化样本的误分类风险,从而它能够提高分类准确性.在实时检测部分,首先通过使用YCbCr颜色空间的椭圆模型快速检测出可能的人脸区域,然后通过基于CCS-Adaboost的多视角人脸检测器检测人脸.多视角人脸检测器中级联分类器的前四层构成姿态预估部分,如果样本未通过级联检测器的前四层,那么该样本被确定为一个非人脸样本.实验证明该检测器可以有效和准确地检测多视角人脸.     

一种改进的Adaboost算法的人脸检测分类器

针对人脸检测中单一分类器检测非常耗时,而且没有考虑到检测后提取标准人脸对后续工作(如识别)等问题,提出了运用Adaboost算法,采用正面人脸和人眼两个特征作为分类器,首先用Cascade算法筛选出输入图像中最有可能是人脸的区域,然后根据以正面人脸和人眼为特征的分类器检测人脸区域,并根据检测出来的人眼距离和角度对人脸进行精确的定位.同时针对实际的图像中人脸常常存在一定倾斜,从而影响后续的人脸的识别率这一问题,采取了根据人眼的位置对倾斜图像进行修正.实验结果表明改进的算法能够在保持一定运算速度的基础上取得准确的人脸,具有较好的实用性.     

一种深度自编码器面部表情识别新方法

为解决面部表情特征维度高的问题,该文提出了一种基于深度学习自编码器的表情识别新方法,该方法利用深度自编码器在多层隐层上进行特征选择,能够在较低维度上表示高维度的面部特征.首先采用定向梯度直方图从面部表情的选定区域提取特征,然后在多个层面上使用深度自编码器,得到最优编码特征,降低特征维度,最后使用支持向量机模型对降维特征进行分类.实验表明,与其他现有特征选择和降维技术相比,该文方法提取的特征优于其他特征,并能够有效实现面部表情识别.     

分区变形与多重约束结合的面皮层次点对应方法

针对颅面统计复原中基于面貌形态几何特征建立三维面皮间生理点对应关系的难题,提出几何模板分区变形与多重约束结合的三维面皮层次点对应方法(HCRDM).该方法根据人脸生理结构特征点定义一套五官分区几何模板,以实现面皮分区半自动化;根据特征点的严格对应关系,利用径向基函数对样本面皮各分区变形;为近似重合的各分区建立体素模型,逐次选取特征显著的模板顶点作为待对应点,利用模板顶点间局部相对位置几何约束确定样本分区中对应点候选集;根据局部几何特征加权距离确定最优对应点;结合几何约束与微分特征距离约束实现边界区域点对应.实验结果表明,HCRDM较已有的三维面皮点对应算法准确率提高了10％以上.     

基于语音与人脸参数化表示的跨模态稠密深度

为了提高跨模态人脸表示与合成的性能,针对语音与人脸图像2种模态数据,提出一种基于人脸参数化表示与稠密深度网络相结合的面部生成方法。针对输入语音模态,通过对信号进行频谱变换,将一维时域信号转换到二维频率域,可提取频域上稳健的特征描述;针对输出图像模态,利用主动外观模型对不同面部区域独立建模以降低区域间的相关性,并提取紧凑的人脸参数化特征;为了获得有效的跨模态学习性能,提出采用稠密连接的深度卷积神经网络学习语音、图像2种模态的回归预测,并通过预测的人脸参数进行面部重构,所采用的深度网络模型可以加强特征传播与特征复用,有利于增强面部细节的合成。在2组音视频数据集上验证了提出方法的有效性。     

基于区域块LBP特征的人脸表情识别

人脸表情识别是模式识别与人工智能领域的研究热点之一,针对传统LBP方法的不足,提出了一种基于区域块LBP的人脸表情识别方法:先在人脸面部分割出与表情相关的眉毛、眼睛、鼻子和嘴巴等关键区域;再从这些关键表情区域提取表情特征,避免了在整个面部提取特征耗时的缺陷,同时有效地降低了特征维数;最后利用最近邻分类器给出识别结果,通过实验验证了本文算法在识别性能和时间性能上的优势.     

基于l_1正则化RanBoost的人脸表情识别及程度估计(英文)

鉴于之前的大多数工作仅仅局限于人脸的表情识别,在本文中,我们提出了一种基于排序模型的创新性人脸表情识别方法。与之前的方法不同的是,我们提出的方法不但能够做表情识别,而且能够估计表情的程度,而表情程度估计则对于理解人的情绪变化有很大的帮助。虽然精确标注表情的程度很困难,但是表情随时间变化的有序信息提供了相对的度量。基于这种观察,我们将表情程度估计问题转化为一个排序问题,并且用Rankboost建立排序模型。排序模型的输出可以直接用于程度估计,而且我们也可以将排序模型用于表情识别。为了进一步提高我们提出的方法的性能,我们将l1正则化引入到Rankboost中。在Cohn-Kanade数据库上进行实验,实验结果表明我们提出的方法与当前的方法比较,有着明显的优势。     

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.     

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.     

融合人脸特征和相关向量机的多姿态人脸检测

多姿态人脸检测是人脸检测研究领域中的难点和热点之一,针对这一实际应用中亟待解决的难题,提出融合人脸特征和相关向量机的检测算法。算法首先利用肤色特征快速排除大部分背景,在肤色区域中搜索眼睛和嘴巴区域。根据眼睛和嘴巴区域的几何特征所确定的人脸方向,分割出大致正向的人脸候选区域。最后选用分类性能比支持向量机更优的相关向量机对候选区域进行分类。对比实验表明,算法提高了多姿态人脸的检测率,对光照、表情和遮挡有较强的鲁棒性。     

融合单演二值编码的人脸表情识别算法

为提高人脸表情识别算法的识别率和鲁棒性,本文提出一种融合单演二值编码的人脸表情识别算法.该算法运用单演信号分析提取多尺度单演振幅、相位和方向三个正交互补的分量,使用单演二值编码对该三种分量的每个尺度进行编码及划分为多个矩形块子区域,并采用分块Fisher线性判别对其降维并提高识别率.实验结果表明:所提算法比传统人脸表情识别算法具有更高的识别率.此外,遮挡对比实验证明了所提算法比传统算法有更好的鲁棒性.     

基于随机权重分配策略的面目表情识别

为了提高面部表情识别的精确度,提出了一种基于数据增强策略面部表情识别,区别于普通的在线随机数据增强,将实验用到的训练数据集采用附加不同的权重分配策略进行增强数据,并随机生成每次训练时的权重,保证其训练数据的多样性并通过比较实验结果得出哪种权重的分布策略适用于面部表情识别数据集的增强,同时解决了面部表情识别因数据集缺乏多样性识别精度不高等问题,提升了人脸表情识别的准确性和鲁棒性,此外还利用VGG19特征提取网络,通过从数据中学习鲁棒性和区分性特征,来实现高精度的面部表情识别。实验结果表明,使用该方式增强后的数据进行训练的模型在Fer2013和扩展Cohn-Kanade （CK+）数据库上对7种表情的识别率相比其原始数据集均有提升。