基于动态时间规整和主动外观模型的动态表情识别

针对静态表情特征缺乏时间信息,不能充分体现表情的细微变化,该文提出一种针对非特定人的动态表情识别方法:基于动态时间规整(Dynamic Time Warping, DTW)和主动外观模型(Active Appearance Model, AAM)的动态表情识别。首先采用基于局部梯度DT-CWT(Dual-Tree Complex Wavelet Transform)主方向模式(Dominant Direction Pattern, DDP)特征的DTW对表情序列进行规整。然后采用AAM定位出表情图像的66个特征点并进行跟踪,利用中性脸的特征点构建人脸几何模型,通过人脸几何模型的匹配克服不同人呈现表情的差异,并通过计算表情序列中相邻两帧图像对应特征点的位移获得表情的变化特征。最后采用最近邻分类器进行分类识别。在CK+库和实验室自建库HFUT-FE(HeFei University of Technology-Face Emotion)上的实验结果表明,所提算法具有较高的准确性。     

基于多尺度细节增强的面部表情识别方法

人类面部表情是其心理情绪变化的最直观刻画,不同人的面部表情具有很大差异,现有表情识别方法均利用面部统计特征区分不同表情,其缺乏对于人脸细节信息的深度挖掘。根据心理学家对面部行为编码的定义可以看出,人脸的局部细节信息决定了其表情意义。因此该文提出一种基于多尺度细节增强的面部表情识别方法,针对面部表情受图像细节影响较大的特点,提出利用高斯金字塔提取图像细节信息,并对图像进行细节增强,从而强化人脸表情信息。针对面部表情的局部性特点,提出利用层次结构的局部梯度特征计算方法,描述面部特征点局部形状特征。最后,使用支持向量机(SVM)对面部表情进行分类。该文在CK+表情数据库中的实验结果表明,该方法不仅验证了图像细节对面部表情识别过程的重要作用,而且在小规模训练数据下也能够得到非常好的识别结果,表情平均识别率达到98.19%。     

多表情人脸肖像的自动生成

肖像是一种能够抓住人物特征,又能隐藏细节,保留个人隐私的艺术表现形式,本文提出一种以中性表情人脸作为输入,自动生成不同表情的肖像算法.首先利用主动形状模型(Active Shape Model,ASM)提取人脸的关键特征点,然后根据统计学习获取的不同表情人脸的FAP(Facial Animation Parameter)规则,对中性人脸的特征点进行变形,生成表情三角网格,将中性人脸图像作为纹理映射到表情人脸网格,生成表情人脸图像,最后利用图像的梯度域信息和非真实感渲染技术,将带表情的人脸生成具有肖像风格的人脸图像.所生成的多表情人脸肖像效果良好,能够应用于网络和报刊杂志等非真实感图形学和数字娱乐等领域中.     

一种人脸表情的矢量分解与合成算法

提出了一种人脸表情的矢量分解与合成算法,能将任意图像分解为6种基本表情的矢量和。根据分解的结果,可以实现表情强度的估计和表情的识别,也可以根据给定的表情强度参数合成各种表情图像,克服了表情强度估计、表情的分解与合成中需要手工标注特征点的问题,降低了训练集的不同对表情识别的影响。     

基于融合DCT和LBP特征提取的面部表情识别

针对离散余弦变换(DCT)只能提取面部表情图像的全局特征,而忽略了临近像素之间的关系、不能提取纹理特征信息、不能准确区分相似表情等问题,提出一种融合离散余弦变换方法和局部二值模式(LBP)特征的表情特征提取方法。该方法首先将人脸图像经过DCT获得的低频系数作为表情的全局特征;然后用LBP对贡献率较大的嘴部、眼睛区域进行局部纹理特征提取,通过将LBP提取到的局部纹理特征与DCT提取到的全局特征进行融合,从而得到更有效的表情特征;最后利用支持向量机(SVM)进行识别。实验结果表明:该方法比单独使用DCT方法提取的表情特征更有利于识别,提高了表情识别的准确性,并将这个表情识别方法用于智能轮椅的控制上,收到了良好的效果。     

基于Gabor小波变换和两次DCT的人脸表情识别

提出了一种基于Gabor小波变换和两次离散余弦变换(DCT)相结合的人脸表情特征提取方法,在保留有效的纹理信息基础上降低了表情特征的维数.首先对人脸表情图像进行第一次DCT压缩图像,然后对处理过的图像执行Gabor变换,提取表情特征,进而对得到的不同尺度和方向的特征图像进行第二次DCT,得到包含大量表情信息的低维特征向量,最后用BP神经网络对特征向量分类.实验结果显示该方法识别率较高.     

基于多尺度分析矩特征的人脸表情识别

Zernike不变矩具有对噪声不敏感,正交等特性,是表情的有效表征方法,高阶Zernike矩包含更多图像信息,对表情分类的作用更大.但是高阶矩的计算复杂度很大,很难达到快速表情识别的要求.本文利用小波变换对表情图像进行多尺度分析,从低频子图像中计算其Zernike矩作为判别特征进行表情识别.通过小波变换,一方面可以对图像降维,降低计算复杂度;另一方面,小波变换的去噪性能使得识别效果更好.实验表明,基于多尺度分析Zernike矩特征的方法优于单独使用小波变换或Zernike矩特征方法的识别效果.     

基于LBP特征匹配算法的红外人脸图像表情识别技术

红外人脸图像表识别过程中易受到光照不均匀、角度多变、亮度差异大等问题的影响，导致红外人脸图像表情识别效率较差，为解决上述问题，提出基于LBP特征匹配算法的红外人脸图像表情识别方法。首先通过局部优化保留摄影法对红外人脸图像实行降维处理，获取优化后的图像，然后采用多角度分水岭法分割图像，保留图像的细节信息。并采用LBP算子提取预处理后的图像纹理特征，将提取的纹理特征输入支持向量机中，计算出特征的类内比重，完成红外人脸图像表情的识别。实验结果表明，所提方法的平均识别准确率为92%,识别100张人脸图像表情耗时129 s识别效率高、识别效果好、稳定性强。     

基于Gabor小波变换的人脸表情识别

在人脸表情识别中,针对Gabor小波变换特征维数很大的问题,提出了一种新的多方向特征编码方法。通过对Gabor特征幅值进行统计处理,将每个像素点同一尺度不同方向的Gabor特征幅值闽值化成二进制,加强了Gabor小波对图像局部结构信息的表征。同时,结合了类似旋转不变LBP的方法对图像进行降维。为了进一步提高表情的正确识别率,采用一种局部区域融合的方法,最后在JAFFE表情库上进行测试,得到比较好的识别率,验证了所提方法的有效性。     

图像配准中特征点检测算法的探讨北大核心

特征点是图像的一种重要局部特征,特征点检测是基于特征点图像配准的关键技术。通过特征点的提取与处理,对把握图像的局部及整体特征,特别对图像配准及目标识别等领域都具有重要的实际意义。详细介绍了图像配准中主流的特征点提取方法,并分析其优缺点。通过实验,利用特征点评价方法对各种算法的性能进行比较,对图像配准的研究具有一定的指导意义。     

实现人脸图像变形算法的研究

利用主动形状模型（ASM,Active Shape Model）算法进行人脸的68个关键特征点提取,得到了输入图像人脸68个特征点分布规律和具体的位置。研究和改进了线性的最小移动二乘法（MLS）,重点研究了变形函数中转换矩阵为刚性变换的方法,在进行可控的控制点变形方法过程中,MLS在进行刚性变形中能保持图形的总面积不变,在结合人脸表情和特征点位置变化规则,对有弹性物体进行图像的变形,实验结果表明,产生的图像变形效果更加具有真实感。     

图像配准中特征点检测算法的探讨

特征点是图像的一种重要局部特征,特征点检测是基于特征点图像配准的关键技术.通过特征点的提取与处理,对把握图像的局部及整体特征,特别对图像配准及目标识别等领域都具有重要的实际意义.详细介绍了图像配准中主流的特征点提取方法,并分析其优缺点.通过实验,利用特征点评价方法对各种算法的性能进行比较,对图像配准的研究具有一定的指导意义.     

基于特征点预测的三维表情人脸合成

对于三维人脸表情合成,基于设备的方法成本高、灵活度低,表情的重建依赖人脸扫描过程中原始人脸表情;基于图像的方法大部分以面部行为编码系统(FACS)为基础,存在FACS兼容性较好的部分模型表现粗糙问题、合成真实度较低等问题.针对于此,本文提出一种基于特征点预测的三维表情合成方法.在三维人脸重建效果较好的3DMM算法基础上...     

基于活动外观模型的人脸表情分析与识别

分析了用活动外观模板(AAM)提取的人脸表情特征来进行人脸表情识别(FER)的可行性,尝试了以此特征向量为基础的FER。根据人脸图像的特点．先用特征眼的方法定位眼睛区域,再采用AAM的优化算法获取新对象的特征,缩短了AAM方法定位新对象的优化时间,提高了定位的准确度。采用秩相关分析和非度量多维标度(nMDS)等多变量统计学方法分析得出AAM方法提取的表情特征能够很好地表达表情的变化,并构造了神经网络分类器对人脸表情图像进行识别实验,得到93．5％的识别率。     

基于隐马尔可夫模型(HMM)的人脸表情识别

人脸表情识别是目前的研究热点．文中介绍了人脸表情识别的过程，给出了基于隐马尔可夫模型（HMM）的人脸表情识别方法．通过分析人脸表情的变化情况，利用二维离散余弦变换（2D—DCT）提取脸部表情特征，经过大样本训练构建HMM模型来识别图像中的人脸表情．实验结果表明该方法是一种高效的面部表情识别方法。     

人脸及特征点检测方法综述

人脸及特征点检测计算机视觉领域有着非同寻常的地位,同时还在人工智能交互、视频会议、鉴别身份、汽车安全行驶等方面有着非常广阔的研究价值。由于在计算机视觉下,动态图像中存在人脸的大小不确定、面部表情变化多样、背景复杂、光照多变等影响因素,人脸特征点检测的准确性变得至关重要。文章介绍了几种人脸及特征点常用方法。     

一种基于Harris角点特征的图像拼接方法

本文通过对已有图像拼接算法的分析研究,改进了拼接算法中的特征点匹配问题。首先利用Harris角检测算法提取特征点,然后通过归一化相关法进行初始匹配,接着引入马氏（Mahalanobis）距离,实现图像的精确匹配。最后通过加权平均的方法完成图像的融合。实验证明该方法能有效地去除伪匹配特征点对,降低了误匹配的概率,是一种有效的图像拼接方法。     

基于小波能量特征和FLD的人脸表情识别

提出一种能量特征和Fisher线性判别法(FLD)相结合的面部表情识别方法,首次提出了小波能量特征在表情识别中的应用.鉴于小波能量特征具有表现表情纹路的能力,与人脸表情识别的要求正好相符,把小波能量特征加入到原始图像中,再用FLD进行特征提取.通过在日本JAFFE人脸表情库的七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)上进行实验,验证了该方法的有效性.它不仅能获得高的表情识别率,而且过程简单,易于实现.     

基于小波变换和神经网络集成的人脸表情识别

提出了一种表情识别的新方法，首先通过基于小波变换的图像分解和K-L变换等处理，来抽取面部表情区域的有效鉴别特征．之后采用神经网络集成技术对六种典型表情进行识别。在CMU表情数据库上的实验表明，该方法达到了很高的识别率．而且对光照变化也有一定的不敏感性。     

基于特征点的红外与可见光图像配准研究

提出了一种基于特征点的红外和可见光图像配准方法。首先根据边缘图像的结构分别提取红外图像特征点和可见光图像特征点,其次根据结合了形状结构和灰度、梯度角信息的配准准则寻找两幅图像的对应特征点,最后利用三对特征点根据刚体变换得到图像的缩放倍率、旋转角度和平移坐标,从而实现两幅图像的配准,并通过实验给予了证明。