一种新的人脸图像本征维数估计方法

利用拓扑理论中的单形定义,本文提出了一种针对人脸图像本征维数的估计方法.首先给出一个简单的几何模型,说明在不同的姿态和光照条件下人脸图像可看成一个弯曲流形;然后把人脸流形模型近似为一个单纯复形,获得相应的单形数目;最后,利用单纯复形中单形的最大维数是单纯复形的维数的性质,从而估计出人脸图像的本征维数.实验结果表明,本文方法跟经典方法,如分形方法、熵估计方法及k-近邻图方法等相比较,在人脸图像本征维数估计方面是有效的和准确的.     

基于核主元分析的头部姿势估计

现有头部姿势估计方法主要是基于几何分析和基于外现线性变换的方法,计算复杂、通用性不强.提出一种新的利用非线性的核变换算法进行姿势估计的方法,根据流形学习理论,不同姿势的高维人脸图像存在一低维流形结构,提取该流形结构可估计头部姿势.核主元分析是一种非线性降维算法,能够把这种流形结构嵌入到低维空间.利用核主元分析训练姿势估计曲线,然后把新图像投影到姿势曲线上,利用插值方法估计新投影点对应得姿势角度.核主元分析的方法克服了传统线性估计方法的缺点,实验证明该方法估计效果良好,并给出进一步提高估计效果的途径.     

基于三维模型的多姿态人脸识别

提出了一种利用三维人脸模型匹配二维人脸图像的分层人脸识别方法和基于模糊数学的人脸姿态角度估计算法.对多姿态二维图像进行姿态空间划分,利用主成分分析方法(PCA)形成多姿态特征脸.识别过程首先估计测试图像姿态和模糊姿态角,在估计的姿态空间内采用基于PCA的方法进行第一层识别得到候选个体,然后利用候选个体的三维模型结合模糊姿态角产生虚拟图像,利用相关进行第二层识别.实验结果表明,该方法对姿态的变化有较好的鲁棒性.     

增强联系鉴别分析及在人脸识别中的应用

针对人脸识别中的小样本问题,本文提出了一种名为增强联系鉴别分析的方法并应用人脸识别中.该方法利用将人脸局部流形的结构信息和样本的类别信息进行有效地结合进行维数约简,首先构建人脸数据的近邻图与类别联系图,然后通过解决在一定约束条件下的优化问题来获取低维鉴别流形特征,实现在低维空间中同一类人脸数据聚集,不同类别间的人脸数据间尽可能发散,从而可以更好的应用于分类.在AT&T和Yale人脸图像数据库上的实验结果表明该方法能有效的提高人脸识别的性能.     

基于深度数据的空间人脸旋转角度估计

提出一种基于三维人脸深度数据的人脸姿态计算方法。利用人脸的深度数据以及与其一一对应的灰度图像,根据微分几何原理和相应的曲率算法与人脸数据中的灰度特征对人脸面部关键特征点定位,进而计算出人脸姿态在三维空间中的3个姿态角。实验证明该方法能在姿态变化情况下实现对人脸旋转角的准确估计,为进一步的人脸识别和表情分析提供基础。     

基于深度学习的颜值估计与电商精准营销

近年来,随着机器学习和人工智能领域的不断发展,使得人脸颜值估计的研究得到广泛关注。提出一种基于深度学习的颜值估计框架,利用深度卷积神经网络(Deep Convolutional Neural Network,DCNN)提取人脸图像的特征向量,并采用回归分析计算方法评估人脸颜值,为充分发挥深度卷积神经网络提取特征的能力,提出了优化后的人脸特征提取损失函数。最后,利用该颜值估计算法构建消费者颜值与服装购物偏好相关性模型。结果显示:消费者颜值与服装购物偏好存在一定的相关关系,即颜值越高的消费者越喜欢时尚款式和风格的服装。研究结论为电商企业设计出高度精准营销策略,输出个性化产品和服务提供可能。     

基于监督式等距映射的人脸和表情识别

提出了一种基于监督式等距映射的人脸和表情识别方法,该方法能同时完成身份和表情的识别.首先,运用监督式等距映射,将训练集中的人脸表情图像投影到低维流形空间,在这个流形空间里,图像的投影不仅实现了按其身份的分离,同时在同身份图像的内部,又实现了按其表情的聚类.然后,用非线性投影,将待测图像嵌入到流形空间.最后,采用加权knn分类器,识别出它的身份和表情.在Coln-Kanade和JAFFE人脸库上的实验表明,该方法对人脸和表情的识别的准确率比较高.     

流形核与LPP相结合的毛杆折痕识别方法

针对毛杆折痕难以检测问题,将非线性流形的思想引入到折痕识别领域。提出运用流形核函数与局部保持投影相结合的方法进行毛杆特征提取。首先基于区域图像构造协方差矩阵作为图像特征,利用仿射不变度量作为样本点的距离测度。然后通过定义的黎曼核函数选择流形上的近邻点,使得近邻点的选择符合数据呈非线性流形的假设,并结合数据类别信息构造相应的核矩阵。最后利用局部保持投影算法对毛杆图像进行降维。实验结果表明,本文算法能够有效克服光照不均和残余绒毛等外部因素影响,具有较好的稳健性和较高的识别率。     

A method for detection of partially occluded faces based on component distance matching degree function

为了较好地解决被部分遮挡的人脸的检测问题,提出一种基于组件距离匹配度函数的人脸检测方法.该算法首先采用基于支持向量机的Adaboost算法即AdaboostSVM算法对输入图像进行人脸各组件的检测,然后根据组件间距离的均值和方差构建组件距离匹配度函数,并提出基于组件距离匹配度函数的组件整合验证算法,在此基础上对被遮挡的组件的位置进行估计,进而实现部分遮挡的人脸的检测与定位.实验结果表明,该方法能够提高部分遮挡的人脸的检测性能与速度,能够在复杂背景下对被部分遮挡的人脸进行较为准确的定位与检测.     

基于稀疏模型的人脸姿态估计

针对现有的人脸姿态估计方法易受"自遮挡"影响,采用改进的ASM算法提取人脸特征点,并利用人脸形态的几何统计知识来估计人脸特征点的深度值。以人脸主要特征点建立人脸稀疏模型,在利用相关人脸特征点近似估计人脸姿态后,通过最小二乘法精确估计三维人脸空间姿态。实验结果表明,对于"自遮挡"情况,该方法仍有较好的估计结果,与同类方法比较具有良好的姿态估计精度。     

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。     

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.     

基于点扩散函数的散焦图像复原及其效果比较

针对已知的散焦图像数学模型,通过先估计点扩散函数(PSF),然后利用维纳滤波估计原始清晰图像的方法,探讨PSF、调制传递函数(MTF)的估计方法,具体包括边缘地物法、空间频率响应法、基于APEX方法的估计算法.结合复原图像的模糊度客观评价函数和主观视觉评价来判别各方法的优劣,结果表明:边缘地物法较优.     

人脸图像中人眼的检测与定位

利用人脸几何特征和图像分割原理，提出了一种在有背景的灰度和彩色人脸图像中自动检测与定位人眼的新算法。首先，基于人脸器官几何分布先验知识建立人眼位置判定准则；其次对人眼的分割阈值范围进行粗估计；然后采用分割阈值递增法，并结合人眼位置判定准则判定分割图像中双眼黑块是否出现；最后利用二雏相关系数作为对称相似性测度，检验检测到的双眼的真实性。为了避免图像背景对人眼检测的干扰，还运用了肤色分割原理来缩小检测人眼的搜索区域，从而进一步提高人眼定位的准确性。实验验证表明，所提出的人眼检测与定位方法在速度和准确性方面具有良好的性能。     

多次投影算法在视频监控人脸检测中的应用

根据视频监控图像在时间上的连续性和空间上的继承性,利用连续三帧视频图像对称差分,找到运动区域,再结合人脸肤色的聚类特征确定出人脸候选区域,然后改进了利用投影的人脸定位算法,将单次投影发展为多次投影,并且结合人脸的几何特征,实现视频监控中复杂背景下的多人脸检测。实验表明,该算法复杂度小,准确率较高,对姿态、表情、背景等变化情况下人脸的检测均具有较好的鲁棒性。     

利用人眼分形码距离进行快速人脸识别

在利用人脸分形码距离进行识别时,需要大量的时间对人脸库中每张人脸图像进行迭代与距离运算.为克服这一缺点,本文提出了用水平方向高频子带来定位眼睛并将其从人脸中抽取出来,进一步提出了基于人眼分形码距离的人脸快速识别算法.利用该算法,可去掉大部分人眼分形码距离较大的图像,从识别时间复杂性分析,本文算法所需时间主要与人眼大小以及用于最后识别的图像数目有关.在ORL和YALE两个人脸库上的实验结果表明,与本征脸方法和直接利用人脸分形码距离方法比较,在用于最后识别的图像数目占人脸库中人脸总数的20%左右时,本文算法可使平均识别率保持在约90%,与其它方法基本持平.     

盲源分离用于DOA估计研究

方位估计是水下目标定位、跟踪的前提。提出了一种复数域奇异值分解盲源分离方法,估计出了阵列流形,并利用阵列流形表现出的相位关系完成了目标方位估计。通过仿真实验与MUSIC高分辨方位估计方法和相关文献的方法进行了对比,结果表明该方法能很好地实现目标方位的实时估计,且性能更佳。     

基于子模式的加权邻域极大边界准则的人脸识别

本文提出了一种基于子模式的加权邻域极大边界准则的人脸识别算法.该方法首先在训练过程中对人脸图像进行子块划分,采用邻接点的类信息自适应地计算每块的权重以提高人脸在姿态、表情以及光照等变化下的鲁棒性.其次,对每块图像采用加权邻域极大边界准则进行特征提取,该准则充分利用了数据的类信息,选择数据的邻域点最优重构系数用在目标函数...     

人脸识别的一种新的特征提取方法

针对人脸识别中判别特征的提取问题,本文提出了一种新的人脸识别算法—扩展保局投影（ELPP）。普通保局投影（LPP）在构建权图时侧重保持样本的局部结构,属于无监督学习算法。扩展保局投影在保局投影的基础上进行扩展,通过引入可调因子,在保持人脸图像局部流形结构的同时考虑样本的类别信息,从而充分提取样本的判别特征。本文采用最小近邻分类器估算识别率。在Yale人脸库以及AT＆T人脸库的测试结果表明,在姿态、光照、表情、训练样本数目变化的情况下,ELPP都具有较好的识别率。     

黎曼流形上modified p-Laplacian方程解的梯度估计

利用Moser迭代技巧,讨论了Ricci曲率有下界完备黎曼流形上modified p-Laplacian方程解的局部梯度估计,并且利用梯度估计得到了在非负Ricci曲率流形上的一个Liouville型定理和Hanack不等式.