基于双重自注意力机制的人脸图像修复

人脸图像修复旨在修复输入人脸图像中的缺失区域,生成令人满意的高质量修复结果.然而当存在大面积缺失时,直接修复缺失人脸图像十分困难,此时修复网络的全局上下文信息感知能力是影响修复结果的关键.鉴于此,本文提出了软硬注意力相结合的双重自注意力模块.该模块通过全局相似度计算来获得软硬两种注意力特征,之后对两种注意力特征进行自适应融合,进而提高修复网络对全局上下文信息的感知能力.此外,本文进一步提出了多尺度生成对抗网络以加强对修复结果的监督,促使修复网络生成更高质量的修复结果.实验结果表明,本文方法在定量和定性评测上均优于五种先进的对比方法.     

基于脸部结构知识的三维人脸建模

将Sibson坐标用于局部特征分析,提出了一个新的局部形变模型.该模型具有较强的局部性,可以精细地刻画人脸个性特征,且能够根据人脸形状的先验信息进行整体控制.然后,在局部形变的基础上采用双重形变,实现了两种互补的形变算法在特征级的融合,进一步提高了建模精度.实验结果表明,本算法具有较小的重建误差和较快的处理速度,能够生成光滑、逼真的三维人脸模型.     

视频序列中运动人脸的检测与特征定位

针对视频序列中运动人脸的检测与特征定位问题,给出了一种算法,即通过计算并比较人脸区域而不是整幅视频帧的峰值信噪比（PSNR）,先从视频序列中找到人脸区域清晰度高且尽可能大的视频帧,然后再进行人脸的准确检测与特征定位。首先利用Adaboost方法检测出人脸的大致范围,再根据肤色模型确定人脸的具体位置并从图像中提取出人脸部分,然后利用基于帧间差的人脸区域的PSNR判断图像清晰度,从而定位出人脸区域清晰度高且尽可能大的视频帧,最后进行人脸检测和特征定位。对实际视频序列的计算表明,给出的算法在时间效率上较高,人脸的检测与特征定位效果较好。     

光照变化下的ASM人脸特征定位方法研究

提出光照变化下的ASM人脸特征定位方法.使用扩展局部二值模式算子(ELBP),所有标记点使用2D轮廓,引入Row ley人脸检测算子,自动定位人脸及眼睛位置.实验结果表明,光照变化下的ASM人脸特征定位方法对正面人脸左、右侧光照变化能取得更加精确的结果,更加鲁棒.     

基于FWT-Projection-BPNN的表情识别

提出了一种基于快速小波变换一投影-BP神经网络(FWT-Project-BPNN)的人脸表情识别方法.该算法首先利用快速小波变换(FWT)对表情图像进行变换,以期在不明显损失图像信息的基础上达到压缩数据量的目的.然后分别对变换后的水平方向与垂直方向的高频数据子图做水平方向与垂直方向投影.将得到的水平与垂直向量组成该表情识别算法的特征向量,最后建立一对一的BP神经网络来进行训练.实验结果表明,该算法能够在一定条件下快速且较准确地识别出悲伤、愤怒、高兴、惊讶、恐惧、厌恶、中性7种通用样本表情.     

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．     

基于Shape Context的形状匹配方法的改进

传统的Shape Context算法只对简单的形状进行形状匹配.关注于人脸形状匹配和智能化视频监控应用,提出一种Shape Context形状匹配的改进方法,并将Shape Context的形状匹配运用到人脸的形状匹配中.本方法基于Shape Context算法,使用改进的边界提取算法,并融入了扩散滤波的预处理算法和数学归一化方法.本方法适用简单形状和人脸形状匹配,具有二维不变性,并且在智能视频监控中能得到稳定和有效的使用.     

人脸自动识别的实验室模拟研究

人脸图象自动识别系统包括人脸图象的检测与定位、人脸图象的提取与识别,本文对这两部分实现的方法做了较为详细的阐述。     

人脸特征提取及自动定位的研究

研究了人脸特征的自动定位与提取,用改进的多尺度分析方法从背景图像中定位人脸,然后根据提升滤波二值图的积分投影确定各特征的初始位置,再利用变形模板能量函数最优化方法撮特征的精确参数,同时还提出了新的能量函数和解度判断方法来改善匹配结果。     

基于肤色的人脸实时跟踪方法

提出用于电视电话会议,远程教学,监视与监控等场合的人脸实时跟踪方法,以人脸肤色模型为基础,结合目标形状特征识别方法,并用扩展卡尔曼滤波估计目标运动轨迹,实现基于肤色的人实时跟踪鲁棒方法。