基于三维人脸建模的多姿态人脸识别

待匹配人脸图像与原始图像存在姿态和光照的差异,是自动人脸识别的两个主要瓶颈问题.给出了采用三维人脸模型来解决人脸姿态的变化对人脸识别的影响问题.通过正侧面图像,利用B样条曲线与径向基函数相结合的方法进行三维人脸重建,生成三维人脸模型库.分别计算待匹配人脸图像的3个自由度,快速估计出人脸的姿态;结合待匹配人脸图像的姿态参数及三维人脸模型库,获得与待匹配图像相同姿态的三维人脸模型库中的二维人脸图像.最后完成了相同人脸姿态的二维人脸识别.实验结果证明,该方法无需复杂的设备、简单易行、识别时间短,是一种非常实用的解决人脸姿态问题的识别方法.     

远程人脸识别方法的研究与仿真

研究远程准确人脸识别优化问题.在远程人脸图像采集过程中存在随机性,采集的人脸图像容易发生饰物遮挡,脸部侧偏等情况,造成采集图像可识别特征残缺,针对传统的方法过于依赖局部细节特征,无法准确的识别人脸.提出一种基于特征转化的人脸识别方法,根据采集到的人脸二维特征矩阵构造奇异值矩阵,运用迭代分解方法,把不能识别的缺陷特征转化成可识别的三维人脸特征,运用三维特征配合二维特征进行识别.经实验结果表明,改进方法能够准确识别远程采集的部分、遮挡的人脸图像,取得令人满意的效果.     

基于二维Gabor小波特征的三维人脸识别算法

分析三维人脸识别技术,提出一种基于Gabor小波特征的三维人脸识别算法。该算法采用二维Gabor小波特征精确且稳定地描述人脸特征,重建三维人脸模型并对其进行模板匹配,对匹配后的三维人脸模型进行线性判别分析。对基于ORL和UMIST两个人脸数据库的实验结果表明,该算法性能优良。     

红外图像人脸识别方法研究进展

介绍了红外图像人脸识别应用前景和困难所在,阐述了红外图像人脸识别的特征,报告了红外图像人脸识别近年来的研究进展,综述了红外图像人脸识别的方法和技术,介绍了基于红外频谱的人脸和伪装检测方法、基于热红外成像的人脸识别方法、基于支撑向量机的红外图像人脸识别方法,基于线性辨别分析的红外图像人脸识别新方法,并进行了简单的分析和比较.最后探讨了红外图像人脸识别领域的发展与研究方向.     

人脸识别技术

人脸图像的易取性和人脸变化的多样性使人脸识别研究更富有挑战性.按照人脸检测、特征提取和识别3个关键过程,分别对基于二维和三维人脸信息的人脸识别技术和方法进行了详细的阐述;展望了人脸识别研究的趋势,并提出了可能取得突破性研究进展的研究途径.     

探讨局部二值模式和深度学习的人脸识别

人脸识别属于近些年来发展的比较高深的一门科学技术.本文将探讨基于局部二值模式下的人脸有效识别方法,传统二值模式,是在图像中使用一种有技术方法进行人脸识别,主要有特征提取与编码两种形式,但那个时候由于技术局限,二值模式只能进行图像中心与边缘像素的差值提取,有时难以对图像进行全面的表面特征诠释.针对此缺点,提出了基于局部边缘差异的二值模式人脸识别算法,而且被广泛应用起来,这个方法与以往的传统局部二值模式,有很大的区别,本文就此人脸识别算法展开详细探索.     

基于尺度不变特征变换优化算法的带遮挡人脸识别

在带遮挡的人脸识别中,由于人脸图像呈现出较大差异性,使得特征关键点之间产生错误匹配,对人脸识别率造成很大影响。对基于尺度不变特征变换(SIFT)的人脸识别算法进行优化,提出一种全新的匹配策略,能够减少错误匹配的特征关键点对,并将其应用于带遮挡的人脸识别中。实验结果表明,该优化算法比以往的一些带遮挡人脸识别算法都具有更好的识别结果。     

人脸识别研究的新进展及趋势

简要回顾了人脸识别技术的研究背景及发展历程,总结了近三四年人脸识别方法的研究进展,根据三维人脸重构方法的数据来源不同,将其分为基于静态图像和视频序列的三维重构技术.重点对目前多特征和多模态识别技术进行了分类阐述,分析了一些有代表性的算法并对其识别结果进行了比较.最后,总结了人脸识别技术现存的研究难点,并探讨了其未来的发展方向.     

一种基于决策融合的三维人脸识别新方法

根据二维人脸图像与三维人脸图像的信息互补性,本文提出了一种对二维人脸和三维人脸进行决策融合的人脸识别新方法。首先,对规格化后的二维灰度图像进行PCA特征提取,计算测试样本与各类的欧式距离,作为匹配得分。然后,对多层B样条拟合和ICP方法矫正后得到的三维深度图像进行LPP特征提取,得到匹配得分,最后对两种匹配得分进行简单求和决策融合。实验结果表明,该方法有效的提高了识别率。     

基于Gabor小波和二维主元分析的人脸识别

论文提出了一种基于Gabor小波和二维主元分析(2DPCA)的人脸识别方法。该方法首先对人脸图像进行Gabor小波变换,将小波变换的系数作为人脸图像的特征向量;然后,用2DPCA对所得的人脸图像特征进行降维,并采用最近邻法进行分类;最后,利用AT&T人脸库,对基于Gabor小波和二维主元分析(2DPCA)的人脸识别方法和基于Gabor小波和PCA的人脸识别方法进行了仿真比较实验。仿真实验表明,基于Gabor小波和2DPCA的人脸识别方法具有较好的识别性能。     

2D representation of facial surfaces for multi-pose 3D face recognition

The increasing availability of 3D facial data offers the potential to overcome the intrinsic difficulties faced by conventional face recognition using 2D images. Instead of extending 2D recognition algorithms for 3D purpose, this letter proposes a novel strategy for 3D face recognition from the perspective of representing each 3D facial surface with a 2D attribute image and taking the advantage of the advances in 2D face recognition. In our approach, each 3D facial surface is mapped homeomorphically onto a 2D lattice, where the value at each site is an attribute that represents the local 3D geometrical or textural properties on the surface, therefore invariant to pose changes. This lattice is then interpolated to generate a 2D attribute image. 3D face recognition can be achieved by applying the traditional 2D face recognition techniques to obtained attribute images. In this study, we chose the pose invariant local mean curvature calculated at each vertex on the 3D facial surface to construct the 2D attribute image and adopted the eigenface algorithm for attribute image recognition. We compared our approach to state-of-the-art 3D face recognition algorithms in the FRGC (Version 2.0), GavabDB and NPU3D database. Our results show that the proposed approach has improved the robustness to head pose variation and can produce more accurate 3D multi-pose face recognition.     

二维及三维多模人脸数据库构建

基于图像的二维人脸识别技术日趋成熟,但仍受光照、姿态和表情等变化的影响。利用三维人脸模型提高人脸识别性能并将其应用于实际成为近几年学术界的研究趋势。本文提出了SWJTU-MF多模人脸数据库(SWJTU multimodal face database, SWJTU-MF Database),包 含200个中性表情中国人的4种人脸样本数据,包括可见光图像、二维视频序列、三维人脸(高精度)和立体视频序列。本文首先分类介绍现有的三维人脸识别算法,然后概述相关的多模人脸数据库,接着提出SWJTU-MF多模人脸数据库,并说明数据库的采集装置、采集环境、采集过程及数据内容,随后简要展示数据标准化过程。最后讨论本数据库面向的应用研究,并给出SWJTU-MF建议的评测协议。     

3D通用人脸模型的自适应算法及应用

利用3D人脸建模的方法进行人脸识别有效地克服了2D人脸识别系统中识别率易受光照、姿态、表情影响的缺陷。文章采用一种依据人脸图像对3D通用人脸模型进行自适应调整的有效算法,构造出特定的人脸模型并运用于人脸识别中。通过比较从人脸图像中估算出的特征点与通用人脸模型在图像平面上的投影点之间的关系,对3D通用人脸模型进行全局和局部调整,以适应人脸中眼、口、鼻的个性化特征。最后以一个实例说明了此算法的应用。     

基于特征分块的三维人脸重建和识别

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷,提出一种基于特征分块的三维人脸重建算法,并将此算法应用到三维人脸识别中,实现了基于特征分块的加权三维人脸识别。首先,利用基于平面模板的非均匀重采样法对原始数据进行归一化;其次,采用主动形状模型(ASM)算法对三维人脸和二维人脸图像进行特征定位和特征分块;然后,利用基于分块主元分析(PCA)的稀疏形变模型算法实现每个人脸分块的三维重建;最后,实现了此算法在三维人脸识别中的应用。实验表明,此重建算法具有较高的精度和重建效率,还可以达到全局最优,并且可以提高三维人脸的识别率。     

对表情鲁棒的面部轮廓线3维人脸识别

目的表情变化是3维人脸识别面临的主要问题。为克服表情影响,提出了一种基于面部轮廓线对表情鲁棒的3维人脸识别方法。方法首先,对人脸进行预处理,包括人脸区域切割、平滑处理和姿态归一化,将所有的人脸置于姿态坐标系下;然后,从3维人脸模型的半刚性区域提取人脸多条垂直方向的轮廓线来表征人脸面部曲面;最后,利用弹性曲线匹配算法计算不同3维人脸模型间对应的轮廓线在预形状空间(preshape space)中的测地距离,将其作为相似性度量,并且对所有轮廓线的相似度向量加权融合,得到总相似度用于分类。结果在FRGC v2.0数据库上进行识别实验,获得97.1%的Rank-1识别率。结论基于面部轮廓线的3维人脸识别方法,通过从人脸的半刚性区域提取多条面部轮廓线来表征人脸,在一定程度上削弱了表情的影响,同时还提高了人脸匹配速度。实验结果表明,该方法具有较强的识别性能,并且对表情变化具有较好的鲁棒性。     

人脸立体模式识别

简单回顾了人脸识别技术,在分析立体视觉理论的基础上,描述了三维人脸图像模式构建机理和信号小波滤波思想,介绍了贝叶斯统计识别理论的工作原理,将其应用于立体人脸识别。给出了基于DSP的三维人脸识别系统设计思想。     

基于特征点表情变化的3维人脸识别

目的 为克服表情变化对3维人脸识别的影响,提出一种基于特征点提取局部区域特征的3维人脸识别方法。方法 首先,在深度图上应用2维图像的ASM(active shape model)算法粗略定位出人脸特征点,再根据Shape index特征在人脸点云上精确定位出特征点。其次,提取以鼻中为中心的一系列等测地轮廓线来表征人脸形状;然后,提取具有姿态不变性的Procrustean向量特征(距离和角度)作为识别特征;最后,对各条等测地轮廓线特征的分类结果进行了比较,并对分类结果进行决策级融合。结果 在FRGC V2.0人脸数据库分别进行特征点定位实验和识别实验,平均定位误差小于2.36 mm,Rank-1识别率为98.35%。结论 基于特征点的3维人脸识别方法,通过特征点在人脸近似刚性区域提取特征,有效避免了受表情影响较大的嘴部区域。实验证明该方法具有较高的识别精度,同时对姿态、表情变化具有一定的鲁棒性。     

3D face recognition with sparse spherical representations

This paper addresses the problem of 3D face recognition using simultaneous sparse approximations on the sphere. The 3D face point clouds are first aligned with a fully automated registration process. They are then represented as signals on the 2-sphere in order to preserve depth and geometry information. Next, we implement a dimensionality reduction process with simultaneous sparse approximations and subspace projection. It permits to represent each 3D face by only a few spherical functions that are able to capture the salient facial characteristics, and hence to preserve the discriminant facial information. We eventually perform recognition by effective matching in the reduced space, where linear discriminant analysis can be further activated for improved recognition performance. The 3D face recognition algorithm is evaluated on the FRGC v.1.0 data set, where it is shown to outperform classical state-of-the-art solutions that work with depth images.     

An Expression Deformation Approach to Non-rigid 3D Face Recognition

The accuracy of non-rigid 3D face recognition approaches is highly influenced by their capacity to differentiate between the deformations caused by facial expressions from the distinctive geometric attributes that uniquely characterize a 3D face, interpersonal disparities. We present an automatic 3D face recognition approach which can accurately differentiate between expression deformations and interpersonal disparities and hence recognize faces under any facial expression. The patterns of expression deformations are first learnt from training data in PCA eigenvectors. These patterns are then used to morph out the expression deformations. Similarity measures are extracted by matching the morphed 3D faces. PCA is performed in such a way it models only the facial expressions leaving out the interpersonal disparities. The approach was applied on the FRGC v2.0 dataset and superior recognition performance was achieved. The verification rates at 0.001 FAR were 98.35% and 97.73% for scans under neutral and non-neutral expressions, respectively.