基于人脸侧影线角点检测的鼻尖点定位方法

为实现人脸表情及姿态变化下,鼻尖点的快速准确定位,提出一种基于人脸侧影线角点检测的鼻尖点定位方法。首先利用柱状人头模型,进行人脸姿态粗矫正;然后通过旋转投影法提取人脸的侧影轮廓线,并基于B样条尺度空间检测侧影线角点,根据角点位置定位鼻尖点候选区域;最后根据鼻尖点的形状特征及凸出特性准确定位鼻尖点位置。在CASIA 3D和BOSPHORUS三维人脸数据库的实验结果表明,该方法对表情和姿态鲁棒性较好,且定位精度优于基于先验信息和基于统计模板的方法。     

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。     

基于排除算法的快速三维人脸识别方法

提出了一种基于排除算法的快速三维人脸识别方法. 首先, 利用主成分分析(Principal component analysis, PCA)对自动切割的不同姿态人脸进行校正, 将所有人脸转换到统一的坐标系下; 然后提取人脸侧面轮廓线, 利用基于LTS-Hausdorff距离的轮廓线对齐方法对库集对象进行排除; 最后, 采用基于刚性区域的改进迭代最近点(Iterative closest point, ICP)算法对剩余的库集模型进行精确匹配, 给出最终识别结果. 在FRGC V2.0人脸数据库的实验结果表明, 该方法具有较好的实时性和鲁棒性.     

一种基于局部描述符的三维人脸识别方法

提出一种局部描述符进行三维人脸识别。每个采样点的局部特征定义为该点根据其法向量与3个主轴之间的角度自适应选取的邻域点集向人脸主轴平面投影所得的面积。文中提出的三维人脸识别算法首先对人脸进行预处理,归一化到较统一的姿态后,提取与鼻尖等距的轮廓线,并对轮廓线进行重采样以剔除无用点。然后对每个采样点提取局部特征。最后建立人脸之间的点对应关系,将加权融合后的局部特征用于识别。通过实验认证,文中方法识别效果较好,且对遮挡和噪声有较好的鲁棒性。     

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。     

基于改进的轮廓线算法的三维人脸识别方法

针对二维人脸识别中受表情、姿态以及光照等因素而影响识别率的问题,在分析人脸生理结构的基础上,提出了一种基于改进的轮廓线的三维人脸识别方法,即先提取三维人脸特征点,然后提取人脸轮廓线,最后利用人脸轮廓线和特征点构成的特征模型进行三维人脸识别。试验结果证明该方法提高了人脸识别率,并具有强抗干扰能力。     

基于轮廓线的三维人脸识别的改进算法

对已有的基于轮廓线的人脸识别方法进行了改进,在人脸的任意位置利用PCA自动确定人脸纵方向,采用网格配准方法提取对称面和对称轮廓线。通过计算对称轮廓线上的曲率,提取其他3条横向轮廓线。对提取的4条轮廓线进行重采样和归一化,截取轮廓线的有价值部分作为ICP算法的输入,进行人脸识别。试验证明,该算法将人脸识别率从原来的86.5%提高到了94%,降低了误识率。     

人脸边缘自适应搜索算法及仿真研究

人脸轮廓线提取是人脸识别中极为重要的内容，一种可靠、精确的人脸边缘提取算法对于身份鉴定技术等方面具有重要的应用价值。该文基于传统的边缘提取算法提出了一种自适应搜索轮廓线算法，首先基于人脸检测结果确定内外轮廓及搜索路径，然后对于每一条搜索路径提取出真正的轮廓点，最后利用人脸轮廓的平滑性通过曲线拟合完成轮廓线提取。该文以彩色人脸图像库数据为例，快速、准确地得到人脸轮廓线。仿真试验结果表明，该算法能在保持边缘检测精度的情况下，克服了噪声对轮廓特征提取的影响，并且对于姿势变化有一定的鲁棒性，具有一定的应用价值。     

基于韦伯梯度方向直方图的人脸识别算法

针对传统人脸识别算法在姿态、表情和光照等变化下而引起识别效果不佳的问题,提出一种韦伯梯度方向直方图人脸识别算法（HWOG）。利用差动激励提取图像的结构和纹理信息,利用HOG算子提取原始图像的边缘特征,分块统计直方图特征信息,将所有分块的直方图串接得到人脸图像HWOG特征,用最近邻分类器进行分类。在YALE人脸库、ORL人脸库上和CAS-PEAL-R1进行实验,实验结果表明所提算法能有效提高识别率,且对光照、表情和姿态变化有较好的鲁棒性。     

基于主动表观模型姿态矫正和局部加权匹配人脸识别

非约束环境下,光照、姿态、表情、遮挡等复杂背景因素给人脸识别带来严重影响。提出一种基于AAM（active appearance model）的图像对齐和局部匹配人脸识别算法,使之能够增强人脸识别算法对姿态、表情变化的鲁棒性。AAM能够快速准确地定位人脸的特征点,进而将图像扭转到一个标准正面人脸模型中。接着,提出一种新的基于信息熵的Gabor jet加权方法用于提高人脸识别率;并且对Borda count分类器组合方法进行了改进,认为在投票过程中为其设置阈值来排除“噪声”的干扰可以提高识别率。通过与多种人脸识别方法的实验结果比较表明,使用AAM矫正图像后,联合熵加权Gabor方法和加阈值Borda能够取得比单独使用更好的成绩。