基于动态轮廓的彩色多人脸检测

提出了一种复杂背景下的人脸轮廓提取算法,算法包括以下步骤:先基于肤色分割图像,确定肤色区域的边缘;然后,利用人脸模板投影去除不可能是人脸的区域;再用Snake算法获取平滑轮廓;再用惯量矩得到拟合椭圆;最后利用简单的人脸模板对人脸区域进行确认.其算法的主要目的是解决人脸轮廓边缘点的不连续性问题,提取精确的人脸轮廓用于人脸分割和人脸识别,在一定程度上去除了部分遮挡造成的假轮廓边缘点,实验结果证明了算法的有效性.     

复杂背景中人脸位置的检测及其分割方法

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识别的首条条件，本文提出了一种新的复杂背景下对未知大小，位置和数目人脸进行定位和分割的算法，它利用了基于知识的金字塔方法，主要由三部分组成：较高的两级是在多尺度脊边缘检测的基础上，利用Ｂ－样条二进小波变换通过检测在不同分辨率下的极小值（对应眼睛）和极大值点（对应人脸）利用尺度，包含和对称等关系进行初步筛选，最后利用人眼的特点最终确定其位置     

一种基于肤色分割的彩色图像人脸检测算法

针对复杂背景下的彩色图像,提出了一种基于肤色分割、几何特征相结合的人脸检测算法。利用肤色模型通过最大类间方差法自动优选阈值分割图像,得到肤色区域;通过分析肤色区域的特征,用椭圆面积准则方法最终确定人脸位置。     

基于ASM的人脸面部特征定位算法的改进

针对传统ASM方法进行人脸面部特征定位的一些缺点,提出了几点改进算法。传统的ASM方法难以在每一个特征点上都取得较好的匹配结果,并且由于背景图像的不确定性,训练得到的模型依赖于训练样本的背景。针对以上问题,首先针对边缘特征点,提出复杂背景下的局部纹理模型;其次,针对轮廓的角点,使用二维模型和二维的特征点匹配算法;最后,...     

复杂背景下彩色人脸的快速预处理算法

人脸图像的预处理具有重要意义,是人脸系统走向实用化的关键一步。精度、速度和鲁棒性是算法的3个关键问题。这里的算法利用肤色的先验知识缩小搜索区域,Adaboost检测后准确定位人脸;将Sobel边缘信息结合灰度初步确定眼睛位置和眼球半径;使用眼睛模版与眼球下半边缘轮廓匹配,最终精确定位眼睛并完成标准化。算法基本满足实际系统对上述3个关键问题的要求。     

平面旋转人脸检测与特征定位方法研究

提出了一种基于角点检测、AdaBoost算法和C-V方法的平面旋转人脸检测及特征定位方法.方法首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器;然后以角点作为眼睛的候选点,枚举任意两个角点构造可能的人脸区域,并在区域内运用人脸检测器进行检测;接着利用眼、鼻、嘴检测器检测出人脸特征所在的矩形区域;最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓,进而得到人脸关键特征点的位置.在CMU平面旋转测试集上的检测率为94.6%,误报24个,提取出的特征点位置准确.实验结果表明方法是有效的.     

基于肤色分割与几何特征的人脸检测

针对传统的人脸检测方法存在算法复杂、鲁棒性差以及精确度低等不足,提出一种基于肤色分割与几何特征的人脸检测算法。首先,将人脸彩色图像进行光照补偿预处理与非线性转换,建立YCb Cr颜色空间肤色模型同时融合人脸几何特征进行粗定位;然后,在人脸区域内,依据眼睛与嘴巴的色度特性分割出眼睛与嘴巴的特征区域并确定各自特征点的中心位置;最后利用眼睛,嘴巴的几何关系构建三角形精确定位人脸。实验结果表明,该算法简单,在速度与准确性方面具有良好的性能。     

基于表情人脸图像的三维人脸模型重建

阐述对于带有表情的二维人脸图像的三维人脸模型重建算法。选取向左、中间、向右三种不同朝向的同一表情人脸图像，以基于颜色的K均值聚类进行人脸分割，获得富含特征信息的人脸轮廓，接着，对三种朝向的人脸图像进行投影变换实现立体校正，并基于特征信息完成立体匹配，获得带有深度信息的稀疏视差图，继而形成平滑的点云形式，并基于三角剖分算法完成三维人脸模型的建立。实验结果表明，该算法对实现表情图像的三维人脸模型重建具有较好的效果。     

一种热红外人脸分割的新方法

针对热红外人脸的边缘和细节特征模糊、对比度低、人脸和背景温度分布不同等特点,提出一种新的图像分割方法.该方法使用灰度投影粗定位人脸,使用模糊连接度分割背景和确定人眼眉毛的位置,根据眉毛的中心精确定位和归一化人脸.实验结果表明,该方法消除了背景干扰,保留了更多的人脸信息,能够有效解决热红外人脸图像的定位和分割问题.     

基于多尺度屋顶状边缘的目标检测

本文利用小波为工具提出了在多尺度检测图象中屋顶边缘的方法，导出了该处屋顶边缘的最大曲率及其方向的计算公式；并将其结合人脸的特点用以在较复杂背景的图象中确定人脸及其器官（如眼睛）的位置和进行初步的分割，此方法在实验中取得了良好的效果。     

融合整体和局部信息的三维人脸识别

针对三维人脸识别中单一特征信息不足,采用一种基于整体信息和局部信息相融合的识别算法,以提高识别率。首先将预处理的三维点云用多层次B样条曲面拟合,获取精确的人脸曲面拟合函数,将控制点映射为深度图像,并根据人脸曲面函数和生理特征提取过鼻尖的中分轮廓线和水平轮廓线;其次对深度图像采用二维主元分析(2D-PCA)算法提取整体信息,对轮廓线采用改进的ICP算法匹配,作为局部信息;最后用加权求和法在决策级进行信息融合。采用CASIA3D人脸库完成识别测试,实验结果表明,本文算法明显优于单一特征信息下识别算法,且对姿态有较好的鲁棒性,同时不增加算法复杂度。     

基于下颌轮廓线的人脸分类方法

在人脸正面图像中,下颌轮廓线是一种相对稳定的形状特征,但是如何提取和有效利用这个特征是一个难题。提出一种在识别中有效利用下颌轮廓特征进行人脸分类的方法。根据先验知识将人脸分为圆脸、尖脸和方脸,据此建立下颌形状模板：尖下巴、圆下巴和平下巴。对事先得到的下颌轮廓上的点进行模板匹配,根据匹配结果进行轮廓线分类。该算法采用了基于先验分布和局部判别的方法,先得到可能的轮廓点,然后进行滤波去除伪下颌点,得到真正位于下颌轮廓上的点,再通过模板匹配进行分类。试验表明,该方法分类效果良好,可以有效提高大库人脸识别的速度和识别率。     

基于SURF特征的栈式自编码网络人脸对齐算法

人脸对齐是人脸识别系统中的一个核心部分,定位的准确性和定位速度直接影响到人脸识别的效果。人脸图像存在不同姿态、不同表情、不同光照条件等因素的影响,真实场景下的人脸对齐成为一个难题。本文提出了一种基于SURF特征的栈式自编码网络人脸对齐方法,首先通过粗糙定位网络找到近似人脸特征点,并提取局部的SURF特征,输入到局部细化网络,通过级联结构,进一步精确化人脸特征点的具体位置。最后,在人脸数据集AFLW和HELEN上与近几年的对齐方法进行对比实验,平均错误率8.80%,i5四核CPU,2.3Hz主频硬件平台下计算时间7.6ms。我们的人脸对齐方法在真实场景下(包括单人和多人)具有较好的鲁棒性,可以实现准确定位。     

基于带参数的多结点样条表示的物体轮廓曲线匹配

针对三维碎片自动拼合中的碎片匹配问题,提出了一种新的轮廓曲线的表示和匹配方法.曲线的表示用带参数的多结点样条插值曲线拟合从碎片物体的轮廓线上提取的数据点,同时计算轮廓曲线上各个点的曲率、挠率和法矢.通过比较不同曲线特征段之间的全曲率,度量轮廓曲线之间的可匹配程度,利用法矢对相似度较高的轮廓曲线进行可匹配性验证,实现三维碎片的匹配.实验结果表明,该算法取得了较好的拟合和匹配效果,为基于轮廓线匹配的物体形状的拼接奠定了基础.     

基于轮廓线曲率特征的人脸分类及识别

文中提出一种人脸分类及识别方法。在对人脸图像进行预处理之后,提取出人脸的轮廓,再细化,去除边缘噪声,得到人脸的轮廓线。对此轮廓线逐点计算曲率得到曲率线。将不同的曲率线之间的互相关函数定义为曲率线之间的相似性,并由此对人脸进行分类和识别。由于曲率几何特征明显,具有位移和旋转不变性,所提出的方法有较好的鲁棒性,并且得到了良好的分类效果。     

人脸检测跟踪与特征点定位系统

实现的人脸检测跟踪与特征点定位系统,基于VC++6.0开发平台,使用opencv作为开发工具,有效缩短了系统的开发时间。首先,本系统采用adaboost算法进行人脸检测,通过合理的特征模板的选择实现了人脸的实时检测;其次,人脸跟踪模块选用camshift算法,利用人脸检测模块生成的人脸坐标传递给跟踪模块,实现人脸的自动实时跟踪,同时建立多个camshift跟踪器对多人脸进行跟踪,并有效地解决了人脸遮挡的问题;最后,通过ASM(active shapemodel)算法实现了实时人脸特征点定位。实验结果表明该系统实现的人脸实时检测跟踪及特征点定位,效果明显,可以作为表情分析和情感计算、视频人脸识别开发的基础。     

大角度平面旋转人眼定位方法

提出一种解决平面大旋转角度人脸眼睛精确定位算法,首先根据圆周旋转不变性,建立基于圆周块子矩阵的标准人脸旋转模板.使对旋转角度的判定转化为对圆周块子矩阵移位距离的估计;然后用基于人脸结构关系的方法粗定位时,提出自适应的最优阈值方法去除噪声点,减少匹配误差,减少运算量,提高运算速度;最后对候选区域提取gabor特征,进行精确定位.在FRVT库上的实验结果表明,该算法适用于360°内的平面旋转的人眼定位,算法简单,运算速度快,准确率可达到87.67%.     

基于Floatboost算法的人眼定位

Floatboost算法相较于传统的Adaboost算法、Boosting算法具有计算量少和运算速度快的优点,目前在机器学习中应用广泛。针对人脸与人眼精确定位问题,采用Haar-like提取人脸特征,再运用Floatboost学习算法得到人脸检测器,在人脸准确定位的基础上使用Floatboost训练的人眼分类器定位人眼。Floatboost算法具备回溯性的优点,去掉了较弱特征,减少计算量,提升了运算速度。     

无纸动漫领域中位图矢量化的算法研究

位图图像的矢量化是计算机图形学的热点问题。图像的矢量化解决了速度和空间上的问题,为图像进一步的输出与管理提供了便利。因此,他也是无纸动漫领域所面临的基础问题之一。通过对位图矢量化课题的深入研究,针对矢量化过程中的几个关键点技术,特别针对图像轮廓的提取,跟踪及关键特征点提取和曲线拟合,提出行之有效的解决算法。最后在VC 6.0环境下对算法进行实现。其处理速度快、曲线拟合光滑、失真小,验证了算法的可行性,为其在一个无纸动漫系统中的初步应用奠定了基础。     

基于轮廓分层描述的目标识别算法研究

有效的目标轮廓分段是描述目标局部特征的关键环节.针对现有轮廓描述算法存在轮廓分段不合理的问题,本文基于认知心理学,提出了分层描述的轮廓描述算法.算法思想是首先根据角点特征将整个轮廓划分成一些轮廓分段,接着对轮廓分段的分布特点提出价值尺度,然后将多级轮廓分段按照价值尺度原则合并得到有限个能够完整描述目标轮廓的特征分段,最后将特征分段综合考虑长度尺度应用到Shape Context相似度检测模型中进行目标识别.通过对MPEG-7图像数据库中的图像进行实验分析表明该算法能够完整描述目标图像的形状特征,提高了目标识别率和形状检索率,并对部分遮挡的目标也具有良好的鲁棒性.基本满足目标识别识别和形状检索对准确率、稳定性、抗遮挡能力等方面的要求.