级联网络和金字塔光流的旋转不变人脸检测

在无约束的开放空间中,由于面部姿态变化、背景环境复杂、运动模糊等,人脸检测仍是一个具有挑战性的任务。本文针对视频流中人脸检测存在的平面内旋转问题,将人脸关键点与金字塔光流相结合,提出了基于级联网络和金字塔光流的旋转不变人脸检测算法。首先利用级联渐进卷积神经网络对视频流中前一帧进行人脸位置和关键点的定位;其次为获取关键点与人脸候选框间光流映射,使用独立的关键点检测网络对当前帧进行再次定位;之后计算前后两帧之间关键点光流位移;最后通过关键点光流位移与人脸候选框的映射关系,对视频中检测到的人脸进行校正,从而完成平面内旋转人脸不变性检测。实验经FDDB公开数据集上测试,证明该方法精确度较高。并且,在Boston面部跟踪数据集上进行动态测试,证明该人脸检测算法能有效解决平面内旋转人脸检测问题。对比其它检测算法,该算法检测速度有较大优势,同时视频中窗口抖动问题得到了很好解决。     

基于级联分类器的人脸检测

提出基于级联分类器人脸特征检测.在人脸检测层,先对输入的图像进行预处理,初步检测人脸,如果认定图像中不存在人脸,就不存在进行整体和局部的搜索,直接退出检测,如果存在人脸,则检测出人脸的大概位置作为全局搜索的初值.     

基于回归函数的多角度人脸识别算法研究

研究了基于回归函数的人脸识别算法,该算法有望引进到声学信号处理当中。人脸识别问题是人脸相关的计算机视觉研究的关键问题。传统的人脸识别研究主要针对正面人脸,研究的应用范围比较有限。在实际应用中,由于光照、姿势、表情、遮挡、分辨率等问题,使得传统方法在处理非正面人脸的时候具有很大的困难,这种情况对人脸识别算法有了更高的要求。针对图像中人脸角度在±45°的人脸识别问题,利用基于Haar特征的非线性Boosting回归算法,根据标定点邻域内的局部纹理预测标定点的位移,提出了一种新的基于经典活动形状模型(Active Shape Model,ASM)的实时多角度人脸识别算法。在对实测数据的测试实验表明,该算法的识别率高于经典的ASM算法并有显著提高。     

面向人脸特征点定位和姿态估计任务协同的DCNN方法

为了提高复杂背景下面部信息的识别性能,提出了一种面向人脸特征点定位和姿态估计任务协同的深度卷积神经网络(DCNN)方法。首先从视频图像中检测出人脸信息;其次设计一个深度卷积网络模型,将人脸特征点定位和姿态估计两个任务协同优化,同时回归得到人脸特征点坐标和姿态角度值,然后融合生成相应的人机交互信息;最后采用公开数据集和实际场景数据进行测试,并与其他现有方法进行比对分析。实验结果表明:该方法在人脸特征点定位和姿态估计上表现出较好的性能,在光照变化、表情变化、部分遮挡等复杂条件下人机交互应用也取得了良好的准确性和鲁棒性,平均处理速度约16帧/s,具备一定的实用性。     

基于深度学习的自然场景下多人脸实时检测

为了解决人脸检测的实时性与有效性,提出了基于YOLOv3算法的人脸检测模型.该模型以Darknet 53为主干网络,用3种不同尺寸的特征图进行预测,对Bounding box的中心坐标、置信度以及类别损失函数进行设计,最后直接回归被检测人脸的信息.实验中对数据进行了批量归一化处理,加速了Loss收敛.实验采用Wider Face的自然场景下的人脸数据集,将YOLOv3算法模型与不同算法模型比较,结果显示基于YOLOv3算法的人脸检测模型能够保证人脸检测的实时性,同时实现了自然场景下多人脸检测的任务.     

改进的 AdaBoost人脸检测方法

针对传统 AdaBoost算法检测速度快准确率低的问题,本文提出了一种改进的 AdaBoost算法以提高人脸的正确检测率,该算法首先利用快速积分图提取人脸的 Haar特征,然后使用阈值设定的方法对传统的 AdaBoost算法进行改进,并将每次检测的最优弱分类器级联形成最终的强分类器,通过强弱分类器对 Haar特征判别,从而检测图像中的人脸部分。采用本方法对多种实验图像集进行人脸检测实验, FERET彩色图像库的正确检测率为96.07%,视频图像的正确检测率为 96%。实验结果表明,本文所设计的人脸检测算法能够对静态图像以及视频图像中的人脸进行有效检测,为人脸的正确识别打下了基础,该算法也为计算机视觉领域的研究提供一种有效方法。     

基于iOS的人脸局部特征检测研究

基于生物特征识别技术与智能移动设备,在苹果公司的iOS智能操作平台下研究手机人脸局部特征检测方法.在YCbCr色彩空间中,通过高斯模型对人脸肤色建模,并对人脸图像进行滤波、二值化等优化处理,根据图像像素投影判断出人脸区域.采用Canny算子对图像进行边缘检测,对变换后的图像水平积分投影,根据投影曲线的波峰标记出人脸特征位置.经实验验证,该方法具有可行性,可以运行在基于iOS平台的移动设备上.     

自适应的彩色图像光照补偿新方法

环境光照变化、光照分布不均匀会影响彩色图像中人脸的正确检测。在融合了不同的基于空域的解决方案的基础上,提出了一种自适应的彩色图像光照补偿新方法。分别对光照过亮、过暗以及中间灰度区域进行自适应的处理。对亮度值最小、最大的5%的像素,如果这些像素的数目足够多(本文大于100),在变换后分别压缩为0和255;用对数函数做非线性变换函数来修正中间灰度区域。在人脸PIE数据库上对光照不均的彩色图像进行了实验,验证了该方法能对人脸检测中的光照进行有效的补偿。     

利用肤色分割和对称变换实现鲁棒人脸特征定位

提出一种将肤色分割与灰度图像对称变换相结合的有效的人脸特征定位方法.为降低背景和人脸姿态的影响,在传统人脸肤色分割基础上,利用Blob分析及椭圆拟和方法判断并剔除无效区域,并将待选人脸区域初步校正为竖直;直接利用色度信息在待选人脸区域中分割并检测嘴唇;接着,采用灰度图像的对称变换检测双眼的待选位置;以嘴唇和待选双眼的位置为依据,提出了基于人脸几何模型知识的双眼匹配代价函数并利用组合优化方法检测真实双眼;最后,对人脸上其它器官的进行精确定位.实验结果表明,该方法对于头发遮挡、大倾斜角以及眼镜干扰具有较强的鲁棒性.     

运用肤色信息和模板匹配的彩色人脸检测

人脸是一个复杂的模式,在图像中自动地对其进行定位和分割是进行人脸识别的第一步。本文提出一种运用肤色信息和模板匹配的人脸检测方法。该方法先进行肤色分割,然后对每一个人脸候选区域进行形状比例的分析,最后进行模板匹配。实验结果表明,该方法对任意背景下,任意姿态及任意数目的人脸检测非常有效。     

A virtual teleconferencing system based on face detection and 3D animation in a low‐bandwidth environment

In this article, we proposed a novel teleconferencing system that combines a facial muscle model and the techniques of face detection and facial feature extraction to synthesize a sequence of life‐like face animation. The proposed system can animate realistic 3D face images in a low‐bandwidth environment to support virtual videoconferencing. Based on the technique of feature extraction, a face detection algorithm for the virtual conferencing system is proposed in this article. In the proposed face detection algorithm, the YCbCr skin color model is used to detect the possible face area of the image; the feature points of the face is determined by using the symmetry property of the face and the gray level characteristics of the eyes and the mouth. According to the positions of the feature points on a facial image, we can compute the transformation values of the feature points. These values will then be sent via a network from the sender's side to the receiver's side frame by frame. We can synthesize the realistic facial animations on the receiver's side based on these. Experimental results show that the proposed system can achieve a practical animated face‐to‐face virtual conference with good facial expressions and a low‐bandwidth requirement. © 2010 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 20, 323–332, 2010     

基于矩阵体积度量的二维PCA人脸识别

本文提出一种符合高维几何空间理论的矩阵体积度量分类准则用于人脸识别.基于二维PCA的人脸识别方法主要研究的是特征提取部分,对后继的分类识别研究不多.基于二维PCA的人脸识别方法中典型的分类准则是比较特征向量的欧氏距离,而新方法比较的是矩阵的体积.在ORL和AR人脸库上的实验表明,所提出的矩阵体积度量较传统距离度量分类准则更有效.     

二维类内差异信息保持的人脸识别

为了使增强的Fisher鉴别准则(EFDC)避免因PCA降维带来的鉴别信息丢失问题,本文将其进行二维推广,提出基于二维类内差异信息保持(2D-IDP)的人脸识别方法,该方法建立了一个鲁棒性更强的鉴别准则,使得投影后不同类的样本点尽量远离的同时,类内紧致性和差异信息都得到有效保持,避免了过学习现象的产生.同时对EFDC近邻图中的参数t作了重新定义,使其能根据不同的输入样本自适应的变化,避免了t选择不当导致的识别性能下降的问题.在YALE和AR人脸库上的实验表明了本文方法的有效性.     

Probabilistic approach to face recognition

Faces are highly deformable objects which may easily change their appearance over time. Not all face areas are subject to the same variability. Therefore, decoupling of the information from independent areas of the face is of paramount importance to improve the robustness of any face recognition technique. The aim of this article is to present a robust face recognition technique based on the extraction and matching of probabilistic graphs drawn on scale invariant feature transform (SIFT) features related to independent face areas. The face matching strategy is based on matching individual salient facial graphs characterized by SIFT features as connected to facial landmarks such as the eyes and the mouth. In order to reduce the face matching errors, the Dempster–Shafer decision theory is applied to fuse the individual matching scores obtained from each pair of salient facial features. The proposed algorithm is evaluated with the Olivetti Research Lab (ORL) and the Indian Institute of Technology Kanpur (IITK) face databases. The experimental results demonstrate the effectiveness and potential of the proposed face recognition technique, even in the case of partially occluded faces.     

Face modeling and editing with statistical local feature control models

This article presents a novel method based on statistical facial feature control models for generating realistic controllable face models. The local feature control models are constructed based on the exemplar 3D face scans. We use a three‐step model fitting approach for the 3D registration problem. Once we have a common surface representation for examples, we form feature shape spaces by applying a principal component analysis (PCA) to the data sets of facial feature shapes. We compute a set of anthropometric measurements to parameterize the exemplar shapes of each facial feature in a measurement space. Using PCA coefficients as a compact shape representation, we approach the shape synthesis problem by forming scattered data interpolation functions that are devoted to the generation of desired shape by taking the anthropometric parameters as input. The correspondence among all exemplar face textures is obtained by parameterizing a 3D generic mesh over a 2D image domain. The new feature texture with desired attributes is synthesized by interpolating the exemplar textures. With the exception of an initial tuning of feature point positions and assignment of texture attribute values, our method is fully automated. In the resulting system, users are assisted in automatically generating or editing a face model by controlling the high‐level parameters. © 2008 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 17, 341–358, 2007     

采用图像融合技术的多模式人脸识别

利用图像融合技术实现了基于可见光图像和红外热图像相结合的多模式人脸识别,研究了两种图像在像素级和特征级的融合方法.在像素级,提出了基于小波分解的图像融合方法,实现了两种图像的有效融合.在特征级,采用分别提取两种识别方法中具有较好分类效果的前50%的特征进行特征级的融合.实验表明,经像素级和特征级融合后,识别准确率都较单一图像有很大程度的提高,并且特征级的融合效果明显优于像素级的融合.因此,基于图像融合技术的多模式人脸识别,有效的增加了图像的信息量,是提高人脸识别准确率的有效途径之一.     

多特征双重匹配验证的驾驶员脸部融合检测

针对基于单一特征驾驶员脸部检测算法在检测精度和可靠性方面的局限性,提出了一种新颖的驾驶员脸部检测融合算法.首先采用改进的基于Haar-like特征的人脸检测算法在整幅图像上检测出可能存在的初始人脸区域,然后自适应地扩大初始人脸区域范围,并在此基础上利用基于肤色特征的方法在YCbCr空间上进行脸部的二次检测,最后根据定义的脸部区域重合度和人脸几何先验知识对驾驶员脸部区域进行双重匹配验证进而制定相应的定位规则对脸部进行融合检测.各种复杂路况下的实验结果证明了该算法的有效性.     

基于图像处理的外螺纹三维模型重构

提出了一种基于多角度序列图像特征实现外螺纹的三维模型重建的方法。首先在旋转平台上采集多角度序列螺纹件图像,然后对每帧图像进行特征点提取,将序列图像的特征点进行三维变换和插值,最终生成三维模型。实验结果表明,此算法能精确高精度地实现外螺纹三维模型重构。     

基于改进的LBP人脸识别算法

针对基本LBP算子提取的特征不够完整,不能全面地表达出人脸局部特征的问题,提出了基于分块的完备局部二值模式(CLBP)人脸识别算法。首先对原始人脸图像进行分块处理,对每一分块的图像进行局部差异值和中心像素灰度值分析,用Su2CLBP(8,2)、Mu2CLBP(8,2)和CCLBP(8,2)算子分别提取每一分块的直方图统计特征。然后将所有分块的CLBP直方图序列连接起来,得到人脸图像的CLBP特征,将其作为人脸的鉴别特征用于分类识别。最后利用Chi平方统计法计算直方图的不相似度,用最近邻准则进行分类。所提出的算法分别在ORL、FERET、YALE数据库中进行实验,分别取得了高达99.5%、92%、98.67%的识别率,与分块LBP算法相比识别率分别有2.5%、8%、2.67%的提高。实验结果表明,完备LBP提取的特征比较全面且具有较强的鉴别能力,在ORL、FERET、YALE人脸库中均能获得较好的识别率。