基于轮廓信息的人脸检测

针对彩色图像提出了一种基于肤色模型、脸部轮廓信息以及眼睛特征的人脸检测算法。采用基于YCbCr色彩空间的肤色分割模型,初步筛选人脸的候选区域;在此基础上进行边缘检测,获得人脸轮廓信息,并利用遗传算法拟合脸部的椭圆;在椭圆的水平方向根据眼睛的几何特征来检测“眼睛对”,再根据“三停五眼”来定位人脸,并利用左右对称性验证人脸。实验表明,该算法对于彩色图像的正面人脸检测具有良好的效果。     

基于Adaboost与肤色分割融合的驾驶员图像脸部检测

采用改进的基于Adaboost的人脸检测算法检测出可能存在的初始人脸区域,适当扩大初始人脸区域的面积,在此基础上,利用基于RGB颜色空间的肤色分割算法进行人脸区域的二次定位,根据定义的脸部区域重合度和人脸几何特征实现对脸部区域的精确融合检测。实验结果证实了该算法的鲁棒性和实时性。     

证件照片的特征提取与检索

研究描述人脸特征的有效方法,讨论身份证照片的特征提取和检索.采用自适应肤色检测技术改进通用的肤色检测算法,进行脸部区域的划分.提出DCT系数投影法对面部五官区域进行分割,在各区域中提取面部几何特征.引入描述脸颊和下颔轮廓的曲线参数作为脸形特征,得到对人脸特征更准确的描述.将面部几何特征矢量匹配、脸形曲线参数匹配和脸部图像相关匹配相结合,实现人像照片的准确检索.实验表明该方法性能优良.     

基于人脸特征和AdaBoost算法的多姿态人脸检测

基于人脸特征和AdaBoost算法,提出一种改进的多姿态人脸检测算法。首先利用肤色特征快速排除绝大部分背景区域,然后在肤色区域中搜索眼睛和嘴巴区域,根据眼睛和嘴巴区域的几何特征所确定的人脸方向分割出大致正向的人脸候选区域,最后利用AdaBoost算法对候选区域进行分类。实验表明,算法能实现多姿态人脸的快速检测,而且对脸部表情和遮挡有较强的鲁棒性。     

脸部特征定位方法

脸部特征定位是人脸分析技术的一个重要组成部分，其目标是在图象或图象序列中的指定区域内搜索人脸特征(如眼、鼻、嘴、耳等)的位置．它可广泛应用于人脸检测和定位、人脸识别、姿态识别、表情识别、头部像压缩及重构、脸部动画等领域．近年来，该领域的研究有了较大的发展，为了让相关领域内的理论研究和开发人员对目前的进展有一个全面的了解，将近年来提出的脸部特征定位方法根据其所依据的基本信息类型，分为基于先验知识、几何形状、色彩、外观和关联信息等5类，分别作了介绍，同时，对各类方法的性能作了一些比较和讨论，对未来的发展作了展望．     

基于AdaBoost算法和色彩信息的脸部特征定位

针对脸部特征定位提出一种新型的基于Ada Boost算法和色彩信息的方法。首先用参考白光照补偿法对脸部区域进行光线补偿,然后用Ada Boost算法的级联分类器快速定位图像中的脸部区域,最后根据脸部肤色与脸部特征在色彩信息上的区别,建立眼部模型和嘴部模型,实现眼睛与嘴巴定位。实验结果表明,基于该方法的脸部特征定位具有较高检测率和实用性,同时嘴巴定位不易受到表情变化的影响。     

基于轮廓信息的人脸检测

针对彩色图像提出了一种基于肤色模型、脸部轮廓信息以及眼睛特征的人脸检测算法.采用基于YCbCr色彩空间的肤色分割模型,初步筛选人脸的候选区域;在此基础上进行边缘检测,获得人脸轮廓信息,并利用遗传算法拟合脸部的椭圆;在椭圆的水平方向根据眼睛的几何特征来检测"眼睛对",再根据"三停五眼"来定位人脸,并利用左右对称性验证人脸.实验表明,该算法对于彩色图像的正面人脸检测具有良好的效果.     

巷道监控图像中的人脸肤色区域分割

煤矿巷道监控图像中脸部分割的难度比较大.在典型监控角度方向采集了巷道中矿工的监控图像;在HSV颜色模型的各分量中分析了矿工脸部肤色的统计特征;在色度分量空间,采用上限和下限阈值的方法分割出肤色区域像素和相似色度的背景像素;对脸部区域的二值图像进行平滑处理和分割,大幅度降低背景像素的影响,缩小脸部区域的范围.实验结果表明,此方法计算简单、速度快,能成功地分割巷道监控图像中的脸部区域.     

一种构造人脸原型的Face-LS算法

将Loop细分原则引入语音驱动的语音动画合成系统中,提出并设计一种基于局部细分模型构造人脸原型的Face-LS算法。算法利用局部细分原则在脸部网格的局部区域上进行迭代插值,经插值细分后在降低整体网格密度的前提下,导致不同脸部区域特征点密度不同,使重要区域具有较高密度,以此降低脸部原型的褶皱度。通过仿真试验验证该算法具有较好的性能。     

煤矿监控图像中脸肤色和模板检测

煤矿监控图像的对比度低、灰度不均匀,使监控图像的处理和识别难度增大.在巷道环境下采集多角度的矿工监控图像,根据脸部肤色区域像素的统计特征,用上下限阈值的方法在HSV颜色空间分割出各种角度的矿工脸部,用半径为2的圆形结构元素进行数学形态学的开启和闭合操作,去除被误分为脸部区域的背景像素;根据脸部灰度分布特征构造了平均脸模板,用相似度函数作为脸部模板匹配的判别函数,检测矿工脸部位置.结果表明,用肤色分割和平均脸部模板匹配方法,可以快速检测出矿工脸部的精确位置.     

驾驶人面部器官位置快速定位算法

利用机器视觉对驾驶人疲劳状态及注意力状态进行监测和分析是安全辅助驾驶领域内的研究热点之一,而对驾驶人面部器官进行准确定位则是状态分析的前提条件。首先介绍了驾驶人面部定位的思路,然后重点讨论了驾驶人面部器官检测的技术环节。通过对驾驶人实际驾驶情况的分析,提出基于灰度方差定位驾驶人面部位置,利用投影曲线极点位置分割面部器官独立区域,对每一个独立区域进行OSTU计算和轮廓提取,最终获得面部器官的位置,对算法的关键技术环节进行了详细介绍。实践证明,采用的处理算法实时性好,准确率高,效果非常理想,为下一步的驾驶人眼睛状态分析及相关信息提取打下了良好的基础。     

基于综合技术的人脸检测与识别系统

本文提出了一个完整的人脸检测与识别系统。首先利用“参考白”技术进行了光线补偿,然後利用肤色及人脸结构特徵实现了人脸检测,并考虑了类似肤色的影响,最後根据人脸图像的灰度特性和几何特性,采用投影法和人脸五官的比例关系进行定位和提取,并在多媒体数据库中实现了人脸照片的直接查询。     

面神经序列图像感兴趣区域识别

通过计算机识别面神经序列图像中的感兴趣区域,可以在手术规划过程中辅助医生辨别具体的功能区域,使医生进行手术时更有针对性,避免对面部神经区域的额外伤害。将面神经图像处理并划分成不同的功能区域,利用卷积神经网络对大量病例样本进行学习,得到具有较高准确率的感兴趣区域识别模型。实验结果表明,该卷积神经网络模型可以有效地对面神经序列图像识别出感兴趣区域,具有一定的医疗辅助作用。     

关键点深度特征驱动人脸表情识别

目的 人脸关键点检测和人脸表情识别两个任务紧密相关。已有对两者结合的工作均是两个任务的直接耦合,忽略了其内在联系。针对这一问题,提出了一个多任务的深度框架,借助关键点特征识别人脸表情。方法 参考inception结构设计了一个深度网络,同时检测关键点并且识别人脸表情,网络在两个任务的监督下,更加关注关键点附近的信息,使得五官周围的特征获得较大响应值。为进一步减小人脸其他区域的噪声对表情识别的影响,利用检测到的关键点生成一张位置注意图,进一步增加五官周围特征的权重,减小人脸边缘区域的特征响应值。复杂表情引起人脸部分区域的形变,增加了关键点检测的难度,为缓解这一问题,引入了中间监督层,在第1级检测关键点的网络中增加较小权重的表情识别任务,一方面,提高复杂表情样本的关键点检测结果,另一方面,使得网络提取更多表情相关的特征。结果 在3个公开数据集：CK+（Cohn-Kanade dataset）,Oulu（Oulu-CASIA NIR&VIS facial expression database）和MMI（MMI facial expression database）上与经典方法进行比较,本文方法在CK+数据集上的识别准确率取得了最高值,在Oulu和MMI数据集上的识别准确率比目前识别率最高的方法分别提升了0.14%和0.54%。结论 实验结果表明了引入关键点信息的有效性：多任务的卷积神经网络表情识别准确率高于单任务的传统卷积神经网络。同时,引入注意力模型也提升了多任务网络中表情的识别率。     

面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究，尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起，面部运动单元检测技术发展迅速。首先，阐述了面部运动单元的基本概念，介绍了已有的常用面部运动单元检测数据库，概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法；然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析；最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。     

基于组合学习的人脸超分辨率算法

现有的基于深度学习的人脸超分辨算法大部分仅仅利用一种网络分区重建高分辨率输出图像,并未考虑人脸图像中的结构性信息,导致了在人脸的重要器官重建上缺乏足够的细节信息。针对这一问题,提出一种基于组合学习的人脸超分辨率算法。该算法独立采用不同深度学习模型的优势重建感兴趣的区域,由此在训练网络的过程中每个人脸区域的数据分布不同,不同的子网络能够获得更精确的先验信息。首先,对人脸图像采用超像素分割算法生成人脸组件部分和人脸背景图像;然后,采用人脸组件生成对抗网络（C-GAN）独立重建人脸组件图像块,并采用人脸背景重建网络生成人脸背景图像;其次,使用人脸组件融合网络将两种不同模型重建的人脸组件图像块自适应融合;最后,将生成的人脸组件图像块合并至人脸背景图像中,重建出最终的人脸图像。在FEI数据集上的实验结果表明,与人脸图像超分辨率算法通过组件生成和增强学习幻构人脸图像（LCGE）及判决性增强的生成对抗网络（EDGAN）相比,所提算法的峰值信噪比（PSNR）值分别高出1.23 dB和1.11 dB。所提算法能够采用不同深度学习模型的优势组合学习重建更精准的人脸图像,同时拓展了图像重建先验的来源。     

Enhanced age estimation by considering the areas of non-skin and the non-uniform illumination of visible light camera sensor

Most previous research on human age estimation based on the detection of multiple feature points using the active appearance model (AAM) method. However, it is difficult to use the AAM-based methods in actual applications, because their performance is strongly affected by image backgrounds, head movements, and non-uniform facial region illumination. Furthermore, they require significant processing time. Other age estimation methods based on a detected face box area may be considered as an alternative; however, noise areas that include hair, backgrounds, and non-uniform illumination of visible light camera sensor may be inadvertently included in the face box, which reduces age estimation accuracy. Therefore, we propose a new age estimation method that is robust to these noise areas. Our proposed method is novel in following four ways. First, we propose an age estimation method using a weighted multi-level local binary pattern (wMLBP) based on a fuzzy-logic system. Second, two input values (the difference between the mean gray levels of the sub-block and the central area of the face, and the distance from the sub-block to the center of the facial region) are determined considering the noise areas of hair, background, and non-uniform illumination of visible light camera sensor. Then, the optimal weights are determined using a fuzzy-logic system with these two input values, which does not require a time-consuming training process. Third, by assigning an optimal weight to the histogram features extracted by the MLBP method in each sub-block, age estimation accuracy is enhanced. Finally, the age is estimated using a SVR method based on a combination of weighted MLBP features and Gabor wavelet features. Experimental results obtained using the public PAL and MORPH age databases demonstrate that the accuracy of our method is superior to other previous methods.     

Discriminative common vector approach based feature selection in face recognition

A novel feature selection algorithm is proposed, which is related to the Discriminative Common Vector Approach (DCVA) utilized as a means to reduce the computational complexity of the facial recognition problem. The recognition performance of the selected features is tested with DCVA and well known subspace methods over AR and YALE face databases. Moreover, the scheme indicates that important facial parts like eyes, eyebrows, noses, and lips must be kept for recognition purposes while eliminating the pixels in cheek, chin, and forehead areas. This additional knowledge comes out in the form of T-shaped and elliptical face masks used to specify the region of interest (ROI). Hence, besides the excellent dimensionality reduction given by the use of the DCVA technique, there is an intelligent use of the original database that provides superior results even in the presence of an occlusion as it is the case when the facial images have scarves.     

中医“内生五邪”的智能证型分类

采用随机森林算法对语料库中医"内生五邪"病证知识进行数据挖掘。采用随机森林对五邪病证的临床特征体系构建"内生五邪"智能诊断模型。采用改进的随机森林特征重要性度量方法针对各个类进行特征重要性度量。实验结果验证了该方法的有效性和优越性,能够胜任对疾病过程中所产生的类似于风、寒、湿、燥、火邪等五种病理状态进行深入细致的客观化研究。该研究将为中医临床医生提供一个诊疗决策的优良工具。     

面向非特定表情的加权和稀疏分类方法

针对在非特定人脸表情识别中,表情纹理特征的利用率不高问题,提出了一种改进的加权局部二值模式（LBP）和稀疏表示相结合的人脸表情识别方法。为了有效利用面部器官的局部纹理信息,采用改进的加权LBP算子提取人脸局部纹理特征,然后用获取的特征值组成训练样本,最后根据稀疏表示理论进行表情分类。在 JAFFE和CK人脸库上的实验结果表明,该方法对非特定人脸表情的识别效果有了明显提高。