一种正面人像识别的方法

本文给出了一种正面人像识别的方法。利用活动轮廓模型进行人像处理，自动提取人脸轮廓，再利用特征脸谱描述人像间的差异信息，将人脸图象唯一地映射到由特征脸谱构造的“人脸差空间”中去，通过比较人脸图象在该空间中的位置来识别。     

基于特征点的特定人脸三维网格的生成

提出了一种在通用人脸模型的基础上,依据特定人脸正面图象和侧面图象得到特定人脸的三维网格模型的方法。该方法首先从特定人脸正面和侧面图象上提取特征点,然后依据这些特征点信息对相应人脸网格模型进行特征点变换,在此基础上对其余非特征点使用插值变换,从而将特定人的特征信息溶入到通用人脸模型中去,由此得到特定人脸的三维网格模型。通过试验取得了一定的效果。     

基于二维半雕刻系统的三维人脸重建

三维人脸的重建是二维半雕刻系统的核心内容,提出了一种从正、侧面图像上自动提取特征点来修正通用模型从而重建三维人脸的方法。首先使用特征点模板匹配的方法自动提取出特征点,然后以这些特征点为依据,通过整体变换和径向基插值来修正通用模型得到特定人脸。同时建立了一个人脸模型库来获得特征点模板,并且提出了一种分块存储的方法可以更精确地针对脸部不同区域进行重建。实验验证,这种方法效率高、交互操作少、取得了满意的重建效果。     

基于奇异值特征和隐马尔可夫模型的人脸检测

提出了基于奇异值特征和隐马尔可夫模型（HMM）的人脸检测方法,首先提出了基于奇异值特征和隐马尔可夫模型的正面端正人脸检测方法;然后将该算法扩展到检测任意旋转角度的人脸,其中正向端正人脸检测算法是通过隐马尔可夫模型来识别人脸／非人脸的奇异值特征,从而达到人脸检测的目的;扩展算法首无计算当前位置子图象窗口的奇异值特征向量,然后利用识别各个旋转角度人脸的HMM模型对之进行分类,以得到该子图象窗口的旋转角度,再经过旋正,重新再与识别正面端正人脸的HMM模型对, 此确定该子图象窗口是否为人脸,通过对一个由51幅集体照片组成的图象集进行测试,其中,正面端正人脸检测率为85．1％,而任意旋转角度的人脸检测率只有72．2％。     

从2D帧到3D人脸建模的基于Candide模型的合成方法

本文应用Candide模型作为通用的3D人脸模型,介绍了一种结合自动和交互方式的合成方法,从2D视频帧合成3D人脸模型。首先利用可变形模板自动提取脸部的特征点,在图像质量不好时,可以进行交互式操作。然后对通用模型进行全局变换和局部变换,对于非特征点的调整,采用径向基函数进行插值。最后通过对图像划分区域,分段完成纹理贴图,合成3D人脸模型。     

一种鲁棒的人脸特征定位方法

提出了一种基于AdaBoost算法和C-V方法的人脸特征定位方法。首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器；然后结合人脸边缘图像的先验规则，使用人脸检测器提取人脸区域；接着利用眼、鼻、嘴检测器从人脸区域中检测出人脸特征所在的矩形区域；最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓，进而得到人脸关键特征点的位置。在DTU IMM人脸测试集上，眼睛的检测率为100%，鼻子的检测率为95.3%，嘴巴的检测率为98.4%，提取出的特征点位置准确。实验结果表明方法是有效和鲁棒的。     

允许姿态变化的快速人脸特征检测

本文提出一种在允许姿态显著变化的人脸图象上快速检测眼睛和嘴角的方法。该方法仅仅合理地假设人脸图象要以通过值分割将头发和眼睛与脸部明显分开。首先采用Ｈｏｕｇｈ变换并利用有脸的相似性和对称性约束确定两个瞳孔的位置，然后根据人体测量关系初略估计嘴部区域，最事利用积分投影方法得到嘴角的精确位置。     

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.     

基于特征识别的3维人脸动画模型自动构造

针对3维人脸动画应用中,需要手工事先标定肌肉模型的控制点、工作区域和设置各种计算参数,造成工作量大、修改困难、移植性差等弊端,提出自动构造各种肌肉模型及确定它们计算参数的方法。研究工作包括:综合运用法向量变化率、高斯曲率、高斯纹理模型等参数研究3维人脸几何及纹理特征的快速检测方法;设计基于邻域生长和候选点聚类分析的识别算法来识别人脸五官部位的特征点;在此基础上,自动确定各种肌肉模型的位置结构、工作区域和计算参数,实现人脸动画所需的肌肉模型构造和装配的自动化。应用工作结果表明,基于特征识别的3维人脸动画肌肉模型自动构造方法移植性好、精度较高,提高了动画建模工作的效率。     

眨眼检测与眼睛跟踪

提出一种在视频人脸图像序列中，进行眼睛检测，跟踪和睁、闭状态判别的方法。通过眨眼检测，对眼睛进行定位；使用针对性强的内眼角提取算子，确定内眼角精确位置；利用内眼角特征来动态跟踪眼睛；睁眼模板在线生成和更新，通过当前眼睛区域和睁眼模板的相关分析来判别睁、闭眼状态。实验结果表明，算法在50场/s的处理速度下，内眼角点定位准确率达到98%以上，眨眼检测正确率为97.5%。     

基于偏最小二乘回归的人脸身份和表情同步识别方法

将偏最小二乘回归方法用于人脸身份和表情的同步识别。首先,对每幅人脸图像进行脸部特征提取以及相应的语义特征定义。在脸部特征提取方面,从每幅图像中标定出若干脸部关键点位置,并提取图像在该关键点处的Gabor小波系数（Gabor特征）以及关键点的坐标值（几何特征）,作为该图像的输入特征。语义特征则定义为该人脸图像所属的表情类别信息以及所对应的人脸身份信息。其次,利用核主成分分析(KPCA)方法对脸部Gabor特征和几何特征进行融合,使得输入特征具有更好的识别特性;最后,运用偏最小二乘回归(PLSR)方法建立脸部特征和语义特征之间的关系模型,并运用此模型对某一测试人脸图像进行表情和身份的同步识别。通过在JAFFE国际表情数据库和AR人脸数据库上的对比实验,证实了所提方法的有效性。     

Robust facial feature tracking under varying face pose and facial expression

This paper presents a hierarchical multi-state pose-dependent approach for facial feature detection and tracking under varying facial expression and face pose. For effective and efficient representation of feature points, a hybrid representation that integrates Gabor wavelets and gray-level profiles is proposed. To model the spatial relations among feature points, a hierarchical statistical face shape model is proposed to characterize both the global shape of human face and the local structural details of each facial component. Furthermore, multi-state local shape models are introduced to deal with shape variations of some facial components under different facial expressions. During detection and tracking, both facial component states and feature point positions, constrained by the hierarchical face shape model, are dynamically estimated using a switching hypothesized measurements (SHM) model. Experimental results demonstrate that the proposed method accurately and robustly tracks facial features in real time under different facial expressions and face poses.     

脸部特征点的定位与提取方法

提出一种正面人脸关键特征点的自动提取方法。该方法选取两个瞳孔点、两个鼻孔点、鼻尖点、两个嘴角点共7个关键特征点进行自动标定的研究,通过在图像预处理阶段采用选择式掩模平滑算子和Fisher线性判别思想分别进行灰度图像的边缘检测和二值化处理,并结合灰度积分投影方法定位人脸区域,进一步应用人脸结构基本特征的先验知识定位面部主要器官,在此基础上结合Hough变换,SUSAN算子实现特征点的自动提取。实验证明：该方法能够准确、有效地标定人脸的关键特征点,具有一定的实用性,可应用于安全部门、身份证管理、电视会议等领域。     

Building Three Dimensional Head Models

This paper proposes a camera-based real-time system for building a three dimensional (3D) human head model. The proposed system is first trained in a semi-automatic way to locate the user's facial area and is then used to build a 3D model based on the front and profile views of the user's face. This is achieved by directing the user to position his or her face and profile in a highlighted area, which is used to train a neural network to distinguish the background from the face. With a blink from the user, the system is then capable of accurately locating a set of characteristic feature points on the front and profile views of the face, which are used for the adaptation of a generic 3D face model. This adaptation procedure is initialized with a rigid transformation of the model aiming to minimize the distances of the 3D model feature nodes from the calculated 3D coordinates of the 2D feature points. Then, a nonrigid transformation ensures that the feature nodes are displaced optimally close to their exact calculated positions, dragging their neighbors in a way that deforms the facial model in a natural looking manner. A male hair model is created using a 3D ellipsoid, which is truncated and merged with the adapted face model. A cylindrical texture map is finally built from the two image views covering the whole area of the head by exploiting the inherent face symmetry. The final result is a complete, textured model of a specific person's head.     

基于单张人脸图片和一般模型的三维重建方法

提出一种使用单幅人脸照片进行特征提取、标准模型变形的全自动三维人脸重建方法。使用改进ASM方法自动精确提取人脸特征点,通过使稀疏形变模型匹配平面特征点来获取照片人脸的深度信息,再将一般人脸模型变形到特定人脸。基于肤色模型优化的ASM提取人脸特征,使得一定角度的侧面照片也可以有很好的重建效果。同时,使用基于肤色模型的纹理融合技术使侧面信息缺失的问题得到很好解决。实验证明,该方法快速简便,只用单幅照片全自动化完成重建,无须用户交互,生成的三维模型有较好的真实感。     

一种基于特征模型的人脸检测方法

特征提取是基于特征的人脸检测的关键。提出了一种利用眼睛和鼻子的灰度特征和几何特征的人脸检测方法。选取眼睛和鼻子作为特征点,构造一个三角的特征模型。另外,此方法对候选特征图像采用逐步改变分块大小的方法进行搜索,得到独立的特征点,并利用人脸结构特点的先验知识建立模型的搜索策略。实验证明,此方法能迅速准确的从复杂背景中检测出人脸,而且对多人脸同样有效。     

基于面部特征约束的人脸纹理映射及变形

将一幅人脸图像（称为源图像）映射到另一幅人脸图像（称为目标图像）上,从而实现人脸图像的变形并达到某种特殊效果的表现要求。其中,一个最关键的问题是保持两幅人脸中器官特征的约束映射。提出一种技术策略,可以有效实现这种映射效果。利用人脸特征检测算法检测出源人脸和目标人脸的特征点;基于特征点,利用Delaunay三角剖分的方法将目标人脸转化为三角网格;采用调和映射的方法计算得出所有网格点在源人脸图像中的对应坐标;在获得网格点纹理坐标后,就可以实现源人脸到目标人脸的映射。实验表明,该方法可以实现任意人脸间的映射,并能较好地保持人脸五官间的映射关系。     

基于面部特征图对称的人脸正面化生成对抗网络算法

目前人脸正面化研究主要解决人脸偏转问题,而对监控视频等现实场景中同时受偏转和俯仰变化影响的侧脸的正面化生成关注较少,针对这个问题和多角度侧脸生成的正面人脸图存在身份信息保留不全的问题,提出了一种基于特征图对称模块和眼周特征保留损失的生成对抗网络（GAN）。首先,根据人脸对称性先验,提出特征图对称模块,先使用人脸关键点检测器检测出侧脸鼻尖点位置,再将编码器提取到的特征图依照鼻尖位置进行镜像对称,从而在特征层面上缓解面部信息缺失的问题。其次,借鉴眼周识别思想,在现有的生成图身份保留方法中加入了眼周特征保留损失以训练生成器生成逼真的且保留身份信息的人脸正面图像。实验结果表明,所提算法得到的生成图面部细节保留较好,且在CAS-PEAL-R1数据集的所有俯角下人脸的平均Rank-1识别率为99.03%,可见该算法能够有效解决多角度侧脸的正面化问题。     

基于单幅图像的人脸三维姿态估计

针对单张人像的三维姿态计算，结合面貌测量和射影几何的理论提出了一种方法：首先在人面部的平面区域内，选取眼角点，口角点，鼻翼点建立人脸模型;然后根据人脸平面上两个相互垂直的特征线投影到照片上的灭点位置，求出人脸平面的旋转方向。该方法特征点易于标定，且无需任何的辅助设备和先验知识，具有一定的实用性。