一种基于双向模块2DLDA的人脸识别方法

针对人脸识别中的特征抽取问题,对原始的二维线性判别分析(2DLDA)算法进行改进,提出了一种基于双向模块2DLDA的人脸识别算法。首先对原始图像进行模块化处理,然后分别从行和列2个方向上实施2DLDA变换,最后通过可调幂因子最近邻分类器进行特征分类,完成人脸识别。该方法不仅有效的利用人脸的局部特征信息、降低光照对人脸的影响,而且显著降低了人脸图像特征的维数。在ORL人脸库以及Yale人脸库中的实验结果表明,提出的人脸识别方法具有较好的人脸识别性能。     

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...     

基于相关型图像传感器的3D AAMs人脸特征自动定位

在基于相关型图像传感器（corre lation image sensor,CIS）三维人脸成像的基础上,利用由CIS得到的深度信息和与之对应的亮度信息,提出一种建立三维人脸模型的方法,将二维AAMs扩展为三维AAMs,融合人脸的形状,纹理和深度信息来构建三维人脸模型。同时,采用三维曲率对人脸特征进行初步定位来解决AAMs初始姿态参数选择问题。人脸面部定位实验证明此方法在不同人脸姿态,表情和光照条件下定位效果要优于传统的2DAAMs。     

基于DCT的PCA人脸识别系统研究

人脸识别是一种重要的生物特征识别技术。本文提出了一种基于DCT的PCA的特征提取方法,该算法先对整个原始人脸图像进行DCT变换得到系数矩阵,再提取包含原始图像大部分信息的少量系数作PCA,提取出特征脸,再进行分类识别。对ORL人脸库仿真实验表明,该方法优于单独DCT与PCA特征提取的识别方法,并且减少了运算量。     

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.     

实时人脸识别的一种快速算法

当前人脸识别的方向主要是针对静态人脸的单张图像识别,对个体采取多张照片采集,构成一个图片库,然后对捕捉的图像与图片库进行对比来进行人脸识别,鲜有对实时人脸的动态识别.本文提出了一种简单快速的实时人脸识别方法,采用对实时采集的灰度图像进行差分和积分投影处理,再进行极值判断和识别人脸.采用Visual c 对该算法进行编程实现,实验结果验证了算法的有效性.     

基于FAST检测器和SURF描述子的聚合图像人脸识别

本文提出了基于聚合图像的人脸识别方法。将多张人脸图像通叠加的方式形成一幅聚合图像,并将其作为训练图像进行特征检测和描述,最后与测试图像提取到的特征进行匹配。通过与其他人脸识别方法对比,实验结果表明,本文方法在识别率方面有明显的优势,即使使用单张人脸图像依旧能够获得较高的识别率;使用聚合图像时,随着聚合图像使用的人脸图像数量的增加,提取到的特征点的数量也不断增加,使测试图像在训练图像中匹配到更合适的特征点,提高其识别率。     

基于多尺度Gabor变换的人脸识别算法优化

针对人脸识别中的光照变化和姿态问题,提出首先获取已经过归一化处理的人脸图像(几何尺寸归一化和光照归一化),然后利用多尺度二维环形对称Gabor小波变换对归一化的人脸图像进行特征提取,再用局部二值模式对高维数据进行降维,最后使用直方图交的方法进行人脸相似度判决,从而实现较高识别率的实时人脸识别.实验表明,在FERET、Y...     

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。     

多样本扩充的常规协同与逆线性回归结合的人脸识别算法

人脸识别会受到有限人脸样本的影响,提出一种多样本扩充的常规协同与逆线性回归结合的人脸识别算法。它利用图像的对称性构造成新的人脸样本,将训练样本通过常规协同表示与逆线性回归相结合的分类器后,进行人脸识别。以往的稀疏识别算法忽视了测试样本可能包含人脸识别所需要的特征信息,新算法同时将训练样本与测试样本的误差考虑在内。在ORL和FERET人脸库中的实验结果表明:该算法在ORL人脸库上的最低误识率达到6.58%,在FERET人脸数据库上的最低误识率达到15.00%,与LRC、CRC、INNC等算法相比的误识率明显下降。     

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...     

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.     

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。     

基于双目视觉的车辆外廓尺寸测量方法

针对目前车辆外廓尺寸测量成本高、安装复杂且三维轮廓重构质量差的问题，提出了基于双目视觉的车辆外廓尺寸测量方法。该方法首先对双目相机采集的车辆图像对进行校正，并通过改进后的立体匹配算法计算生成车辆视差图。基于双目视觉三维测量原理解算车辆轮廓视差信息进行三维重构，生成车辆点云。针对相机盲区车辆轮廓数据缺失问题，设计了基于车牌识别的点云对称修复方法，生成完整车辆三维轮廓。实验结果表明，3种车型的测量示值误差均小于1%，车辆模型重构完整度高。     

Directional PointNet: 3D Environmental Classification for Wearable Robots

A subject who wears a suitable robotic device will be able to walk in complex environments with the aid of environmental recognition schemes that provide reliable prior information of the human motion intent. Researchers have utilized 1D laser signals and 2D depth images to classify environments, but those approaches can face the problems of self-occlusion. In comparison, 3D point cloud is more appropriate for depicting the environments. This paper proposes a directional PointNet to directly classify the 3D point cloud. First, an inertial measurement unit (IMU) is used to offset the orientation of point cloud. Then the directional PointNet can accurately classify the daily commuted terrains, including level ground, climbing up stairways, and walking down stairs. A classification accuracy of 98% has been achieved in tests. Moreover, the directional PointNet is more efficient than the previously used PointNet because the T-net, which is utilized to estimate the transformation of the point cloud, is not used in the present approach, and the length of the global feature is optimized. The experimental results demonstrate that the directional PointNet can classify the environments in robust and efficient manner.     

Two eyes see more than one: double echo stereoscopic MRA for rapid 3D visualization of vascular structures

Object

A three-dimensional (3D) visualization of the target region during intravascular interventions in real-time is challenging since the acquisition of a time-consuming 3D dataset is required. In this work, a novel stereoscopic double echo sequence for achieving 3D depth perception by sampling only two oblique projection images is presented.

Materials and methods

A double echo (DE) FLASH pulse sequence was developed to acquire continuously stereoscopic image pairs of the vascular target anatomy. Stereo image data were displayed on a stereoscopic 3D LCD monitor in real time after image reconstruction. Phantom experiments followed by a depth perception test were performed to assess the usability of the stereo image pairs for 3D visualization. In an animal experiment the sequence was tested in vivo and was compared with a slower interleaved (IL) sequence variant.

Results

In the phantom experiments an SNR difference of 6?% between left and right image was found which did not influence the depth perception. The DE acquisition was superior to the IL sequence (SNR_DE?=?10.3, 2.3 images/s over SNR_IL?=?7.1, 1.7 images/s), and during contrast enhancement the abdominal arterial vasculature was clearly perceived as a 3D structure.

Conclusion

A novel stereoscopic DE pulse sequence can be utilized for the fast 3D stereoscopic visualization of vascular structures in real-time.