基于GPU的三维人脸数据动态线性快速修复

基于CUDA和Open GL,根据三维人脸的深度与灰度数据构造三维点云模型,在更短的时间内显示具有逼真效果的三维人脸模型,并根据传统三维人脸点云显示对数据采集要求较高的缺陷,提出了一种用于修补低质量三维采集数据中出现的空洞现象的动态线性修复方法并使用GPU为算法进行了加速。该方法从人脸数据集中读取点云数据,逐行扫描寻找点云数据中出现的空洞并使用符合人脸本质特征的线性插值方式修补空洞。实验证明,该方法能得到远好于传统点云显示的效果,且经过GPU加速后显示效率得到大幅提高。     

基于随机森林回归的人脸特征点定位

针对人脸特征点定位容易受到人脸姿态、表情、光照和遮挡等因素影响的问题,提出了一种基于随机森林回归的特征点定位方法。采用像素差值特征在每个特征点建立随机森林模型,由森林模型回归得到训练样本的估计形状;对训练样本的估计形状与真实形状进行线性最小二乘拟合,得到一个全局优化模型;再利用模型对测试样本特征点位置进行回归估计及形状优化,从而实现了人脸特征点的自动定位。该方法采用相对误差小于0.1的衡量标准,在MATLAB R2009a平台实验,Helen和LFPW数据库上测试,两个数据库的样本定位正确率均超过95%,平均定位速度为9.3 fps,且训练模型仅为5.4 MB。实验结果表明:提出的方法能够很好地适应人脸姿态、表情、光照和遮挡等因素的影响,同时训练模型小,且有效地提高人脸特征点定位的精度和速度。     

编码结构光技术在人脸建模中的应用

利用编码结构光三角几何关系快速准确的获取真实的人脸三维数据,为真实人脸建模提供了基本的骨架结构。分析了结构光系统的编解码准则,利用时间域和空间域的拓展,提出了一种基于周期时空编码的编解码方案,以满足对人脸场景的三维信息获取要求。通过对真实人脸进行的实验,获得了比较好的人脸三维点云模型,验证了编解码的可行性和系统的可用性。     

表情变化的三维人脸特征分析方法

三维人脸因其对光照,装扮变化的不敏感成为人脸分析和识别发展的新趋势。但极易受表情变化的影响成为三维人脸研究发展的瓶颈。针对此关键问题提出一种新的不受表情变化影响的三维人脸分析方法:1)计算三维人脸曲面的内蕴特征测地线距离,提取等距测地线来描述三维人脸曲面特征;2)利用改进的SIFT算法进行特征匹配。在具有不同表情的三维人脸深度图上的实验结果表明,该方法无需复杂的注册,表情的鲁棒性和识别效果优于传统的三维人脸分析方法。     

不同姿态人脸深度图识别的研究

因易受到姿态等因素的影响,传统二维人脸识别的结果往往难以令人满意.针对不同姿态下的三维人脸深度图提出一种新的图像处理方法:首先利用面部特征点定位和偏转角度的计算将人脸深度图旋转到“正中面”位置;然后根据人脸对称性和ICP相关理论,对旋转后的深度图进行插值.通过该方法处理后的三维人脸深度图与原始数据相比,在人脸识别实验中...     

基于三维人脸成像系统的复数域人脸识别方法

三维人脸识别是模式识别和人工智能领域的研究热点。提出了一种利用人脸图像的二维灰度信息和三维深度信息进行人脸识别的算法。首先利用相关型图像传感器构成三维实时人脸成像系统,并将获得的三维人脸物理数据用复数形式表达。再将特征脸（Eigenface）方法和Fisherface方法拓展到复数域,提出了复数域特征脸方法和复数域Fisherface方法。改进的复数域人脸识别方法在三维实时成像系统的人脸数据库中进行的人脸识别实验表明,复数域的三维人脸识别方法明显优于传统的人脸识别方法。     

基于肤色分割与AdaBoost算法的人脸检测

提出了一种将肤色分割与AdaBoost算法相结合的人脸检测方法。该方法利用肤色的聚类特性在YCbCr色彩空间中建立肤色高斯模型,通过形态学处理完成图像肤色区域的筛选;然后利用AdaBoost算法训练弱分类器并构成强分类器,对强分类器进行组合,形成级联分类器并对候选区域进行人脸检测,排除非人脸肤色区域,实现对不同角度人脸的正确检测。该方法可同时解决肤色分割方法对复杂背景图像的高误检率与AdaBoost算法对多姿态人脸图像的低检测率的问题。仿真实验表明,该方法具有检测率高、误检率低、适应性好及鲁棒性强的优点,对具有多姿态、多人脸和复杂背景信息的图像具有较好的检测效果,实用性得到增强。     

基于网格光的三维人脸曲面测量

本文提出了一种借助网格光从两张二维图片中测量三维人脸曲面的方法.为了保护皮肤和眼睛并且降低成本,本文中使用的网格光来自普通的白光光源.首先,一个简单的并且未编码的网格图案被投影到目标人脸上;然后,一个基于边缘信息的分水岭算法被用于提取和细化网格条纹,一个基于图形联系关系的方法被用于定位与标记网格的交叉点,利用这个网格交叉点的标记集一个迭代扩张的立体匹配算法可以执行交叉点的立体对应;最终,依据双目视觉的原理计算人脸的三维深度信息.所得的实验结果展示了我们提出的方法的可行性.     

改进WMIL的实时人脸检测与跟踪

针对WMIL在光照突变或者全部遮挡的的情况下会出现跟踪失败以及在跟踪错误情况下无法自动恢复跟踪的问题,提出了一种基于改进WMIL算法和AdaBoost的实时人脸检测和跟踪算法。利用AdaBoost的方法检测人脸信息,然后在改进WMIL算法的框架下,对人脸图像进行多尺度表示,采用压缩感知的方法来提取样本特征。最后,利用改进WMIL算法建立分类器对人脸进行跟踪,自适应调整跟踪窗口的大小,并实时更新。实验结果表明,改善了WMIL存在的不足,有效解决了在人脸外观变化,姿态改变、快速运动等情况下,能稳定准确地实现目标的实时跟踪。     

基于非刚性ICP的三维人脸稠密对应算法

三维人脸稠密对应是三维人脸分析研究的前提和基础。目前大多数的稠密对应技术是基于模板形变的方式,非刚性最近点迭代（iterative closest point, ICP）是应用最为广泛的一种,该算法通过逐步形变一个高分辨率的三维人脸模板来逼近目标人脸（扫描人脸数据）。但该类方法通过牺牲边缘精度来保持边缘区域的拓扑结构,以保证人脸之间的稠密对应。针对这一问题,提出了一种结合拓扑结构损失项的非刚性ICP算法,使得保持边缘区域拓扑结构的同时不会大幅度牺牲配准精度。实验结果表明,该算法比目前广泛使用的算法配准精度更高。     

三维人脸深度图的流形学习-LOGMAP识别方法

人脸识别是生物特征识别技术最友好的身份识别方式,而三维人脸识别由于可解决二维人脸识别中存在的光照、姿态等局限,成为人脸识别的研究热点,但其特征维数过高是该领域的瓶颈,而维数约减是解决这一问题的关键.流形学习是一类非线性维数约减算法,LOGMAP是一种基于黎曼法坐标的流形学习算法,该算法可以在保持度量信息不变的情况下,把...     

基于卷积神经网络的表情不变三维人脸识别

针对三维人脸识别中的表情问题,提出一种基于卷积神经网络的三维人脸识别方法.根据人脸先验知识,构建基于测地线距离的三维人脸特征点模型;利用该模型,提取输入三维人脸的局域Gabor特征和测地线距离特征,进而获得表情不变的人脸表述;将上述特征输入类Lenet-5卷积神经网络,获得最终的识别结果.在Facewarehouse三维人脸数据库上的实验结果表明,该方法的正确识别率达到97.60%,优于几种经典三维人脸识别方法,对表情变化均有较强的稳健性.     

3D face recognition based on principal axes registration and fusing features

A 3D face recognition approach which uses principal axes registration (PAR) and three face representation features from the re-sampling depth image: Eigenfaces, Fisherfaces and Zernike moments is presented. The approach addresses the issue of 3D face registration instantly achieved by PAR. Because each facial feature has its own advantages, limitations and scope of use, different features will complement each other. Thus the fusing features can learn more expressive characterizations than a single feature. The support vector machine (SVM) is applied for classification. In this method, based on the complementarity between different features, weighted decision-level fusion makes the recognition system have certain fault tolerance. Experimental results show that the proposed approach achieves superior performance with the rank-1 recognition rate of 98.36% for GavabDB database.     

基于复杂区域多层嵌入的三维模型隐写

本文以三维模型为隐写载体,提出一种基于结构复杂度的多层隐写方法.通过分析三维模型中各区域的结构复杂度,提取复杂度较高特征区域的顶点用于承载秘密数据.在这些顶点中,采用多层嵌入的隐写方法进行嵌入,只需修改模型中的少量数据就可实现高容量数据嵌入.该方法还可有效对抗面向三维模型的隐写分析方法,实验表明本文方法产生的含密三维模型很好地保持了二面角及面法向量的统计特性,使用基于一阶拉普拉斯平滑与特征统计的隐写分析方法难以进行隐写检测.     

3D打印数字人像快速成型技术的研究与实现

自动获取人像数据并高精度重建是三维人脸识别的研究热点。针对三维重构缺少成熟算法与有效应用方法的问题,提出了一种基于二维数据的三维打印数字人像快速成型方法。该方法采用二维照相的方法获取人像的正视图、侧视图和俯视图,使用MAYA软件对人像数据进行网格化处理,生成OBJ文件导入PROE生成三维实体,并导入JDpaint实现数控仿真加工,最后将STL文档导入打印机打印出三维人像。实验证明,该方法实现了数据获取、网格划分、曲面重建和快速成型的整个工作流程。     

基于特征点的3D人脸姿态跟踪

针对视频序列中的人脸跟踪问题,提出一种单摄像头的人脸3D姿态跟踪方法。利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。将前帧与所选的关键帧特征匹配信息及融入到对当前的姿态估计中,利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。最后通过利用RANSAC随机选取特征点对,并用POSIT和最小化误差组合的3D投影方法以迭代的方式得到精确的当前帧人脸姿态估计。通过多组实验数据对比,表明了该算法在严重遮挡、头部摆动幅度较大、匹配点较少的复杂情况干扰下仍具有鲁棒性,并且解决了3D人脸跟踪的漂移问题,实现对目标人脸的稳定跟踪,对比以往2D跟踪算法在复杂环境下具有明显的改善。     

3D face alignment and registration in the presence of facial expression differences

This paper deals with the problem of 3D alignment of faces in the presence of some facial expression changes. The data are three dimensional and obtained using a laser scanner. Our approach is based on the differential geometry of the surface and computes the intrinsic local fiducial points on the surface and on curves that reside on the surface. Because these fiducial points are local, they allow partial alignment, where part of the face is viewed. Moreover, since the fiducial points are relatively affine‐invariant to local affine transformations, they allow matching and alignment when facial expression changes affect part of the face. A fast, noniterative alignment procedure is presented in this paper that establishes reliable correspondences between fiducial points without any prior knowledge of the overall nonlinear global transformation that takes place after the changes in facial expressions. This is achieved through the construction of a set of ordered novel absolute local affine invariants. With enough fiducial points set as correspondents, the overall nonlinear transformation is computed and the face before and after the transformation are aligned. For comparison, we also compare the alignment performance of our method with that of the iterative closest point (ICP) method and the coherent point drift (CPD) method which is based on the Gaussian mixture model by looking at the between‐to‐within variation (signal‐to‐noise ratio, SNR) between these two classes (match vs nonmatch) based on the average alignment errors for the genuine matches and nonmatches, normalized by their respective within variation, and by running it on the 3D face database GavabDB. The separation between the true match and nonmatch is best for our zero‐torsion method (SNR of 1.2), followed by the ICP method (SNR of 0.37)and the CPD method (SNR of 0.15). It is interesting to observe here that, although the alignment error for the true match cases is lowest for the CPD method, it is also extremely low for the nonmatch cases, which would mean that the method would force a query into a wrong face, yielding poor specificity (lots of false alarms). © 2013 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.