面部图像安全特征的多属性融合分析

以道路交通场景下的监控图像为研究对象,提出了基于深度学习的面部图像安全特征的多属性融合分析方法。将人脸检测模块与属性分析融合,实现了端到端的人脸检测和年龄、性别属性分析。经过改进和完善,最终实现了对一组图片进行自动地人脸区域检测、年龄预测、性别预测的功能,并将结果反映在图片上,更具可观性。针对该场景下机动车驾驶人员进行面部图像安全特征的多属性融合分析,在突发违章违法事件时自动获取驾驶人员的身份信息,有助于维护社会公共安全。     

基于模型的头部运动估计和面部图像合成

文中讨论一种基于模型的头部运动估计和面部图像合成方法。首先建立了一个基于人脸几何模型的可变形三维面部模型,此模型可根据不同人脸图像特征修正特定人脸模型。为了使特定人脸模型与特定人脸图像相匹配,需根据变形模型修正人脸模型。文中采用自动调整与人机交互相结合的方法实现特定人脸模型匹配。在调整完模型形状之后,应用３个方向的面部图像进行纹理映射生成不同视点方向的面部图像。应用合成面部图像与输入面部图像最佳匹     

基于肤色特征的人脸检测算法的研究

通过对比面部识别技术的各种算法,本文重点研究了基于肤色特征的人脸检测算法。首先通过两种方法实现人脸的区域分割：基于相似度的方法和基于皮肤区域、头发区域的方法。前者通过相似度计算、二值化之后标记出人脸区域,后者利用颜色来检测人脸区域。人脸区域检测完毕之后再对其进行人脸特征的标注,最终实现面部检测。     

融合多级属性与注意力机制的人脸替换方法

针对当前人脸替换方法仅利用目标图像的姿势和表情指导换脸过程中常常忽略背景、光照等其他属性,同时生成的替换人脸与目标图像的融合效果较差的问题,提出一种融合多级属性和注意力机制的人脸替换方法.在提取目标图像属性阶段,基于U-Net结构设计一种多级属性编码器,采用多层次级联的卷积块和反卷积块以及层间连接准确、全面地提取目标图像的表情与背景属性,保留更多细节信息;在生成替换人脸阶段,设计一种结合注意力机制的生成器,利用注意力模型权重自适应地调整源人脸特征和目标属性集成的有效区域,使生成器生成更加符合视觉机制的替换人脸.在FaceForensics++图像集上的实验结果表明,与DeepFaceLab方法相比,该方法所生成的替换人脸与目标图像的结构相似度提高了6.73%,头部姿势差异和面部表情差异分别降低了1.026和0.491.该方法不仅更好地保留了源人脸特征信息,还更大程度地忠实于目标图像属性,达到了良好的替换效果.     

基于地理区域分布的人脸几何特征研究

文中提出了利用人脸面部几何特征地理区域分布的差异性进行人脸识别的新方法。首先针对比较典型的中国华北和西南两大区域采集100幅人脸面部图像，然后采用一种自动提取算法抽取面部几何特征，再利用感知器算法对这两大区域进行面部特征分类。实验结果表明该方法是可行而有效的。     

人脸的民族特征抽取及其识别

人脸的民族特征是人脸信息描述的重要特征之一.首先构建了中国多民族人脸数据库,利用人脸识别技术提取民族面部特征和民族识别.在特征抽取方法中,采集人脸中的代数特征和几何特征,采用LDA(线性判别分析)算法提取人脸图像的代数特征.还构建了能够抽取人脸几何特征的弹性模板,并利用Gabor小波进行特征点定位.实验采用KNN和C5.0分别学习训练集中的代数特征和几何特征,并对测试集进行预测分类.实验结果表明,利用代数特征方法和几何特征方法对藏族、维吾尔族、壮族3个民族的平均识别准确率分别达到79%和90.95%.     

面部表情的深度卷积级联森林识别

面部表情识别广泛应用于各种研究领域,针对面部表情识别使用深度神经网络方法结构复杂、可解释性差和传统机器学习方法特征提取缺乏多样性、识别率低的问题.提出了一种新的深度卷积级联森林(Deep Convolution Cascade Forest,DCCF)方法用于人脸面部表情识别,该方法通过卷积神经网络深度学习人脸面部显著特征,并采用基于随机森林的级联结构森林逐层学习识别出不同的面部表情特征,提高了人脸表情的识别准确率.DCCF在JAFFE、CK+和Fer2013 3个公开面部表情数据集进行了实验,并对面部表情提取的5种特征和7种分类方法进行了比较分析,结果显示DCCF在对比的算法中人脸表情识别性能最好,3个数据集的准确率分别达到91.4%,98.7%,71.6%.     

基于Candide-3算法的图像中面部替换技术

提出了一种基于CANDIDE-3算法的人脸替换算法,该算法使用CLM作为面部特征点定位算法,将2维的面部特征点和CANDIDE中3维的顶点相对应,建立相应的源人脸算法。根据面部特征点估计出头部姿态和表情相关参数,对源人脸进行方向和角度调整,通过颜色转移算法,将源人脸的色彩转换为目标人脸的色彩,然后利用图像融合算法进行融合。实验结果表明,本文的方法能够在图像和视频中进行有效的进行人脸替换。     

遮挡与几何感知模型下的头部姿态估计方法

头部姿态估计在人机交互、辅助驾驶等应用中起重要作用，但因受到光照变化、部分遮挡、不同面部外观差异等因素的影响，导致头部姿态估计的准确率不高。提出一种基于遮挡和几何感知模型的头部姿态估计方法，在预处理阶段采用多任务卷积神经网络进行人脸检测，减小背景环境的干扰，并进行图像增强操作以减小光照变化带来的影响。设计面部遮挡感知网络感知人脸的遮挡区域，从而提取信息量丰富的未遮挡面部特征。为充分利用面部的几何信息，采用堆叠胶囊自编码器对人脸各部分的姿态和位置进行编码，得到面部各部分间的几何关系。实验结果表明，该方法在AFLW2000数据集和BIWI数据集上的平均绝对误差分别为3.91和3.55，能有效提高头部姿态估计准确率，在复杂环境下的鲁棒性较好。     

基于信息量的属性相关性及其应用

研究了信息系统(包括完备和不完备信息系统)基于信息量的属性的相关性及其在属性约简中的应用.引进了具有补集特征的信息量、联合信息量、条件信息量、交互信息量等概念,并给出这些概念的一些重要关系式.利用信息量定义属性间的相关系数,并利用相关系数来刻画一个信息系统是否是完备的这一特征,讨论了所引进的概念在信息系统上的知识发现中的一些应用,提出了一个基于属性相关系数的信息系统知识约简的一种新算法.实验结果表明了该算法的有效性.     

动态人脸表情合成的模型特征驱动算法综述

分析人脸模型的动态表情合成方法并依据它们内在特点进行分类描述。尽管这个领域已经存在较多文献,但是动态人脸表情合成仍然是非常活跃的研究热点。根据输出类型的不同,分类概览二维图像平面和三维人脸曲面上的合成算法。对于二维图像平面空间合成人脸表情主要有如下几种算法：主动表情轮廓模型驱动的人脸表情合成算法,基于拉普拉斯算子迁移计算的合成方法,使用表情比率图合成框架的表情合成算法,基于面部主特征点offset驱动的人脸表情合成算法,基于通用表情映射函数的表情合成方法和近来基于深度学习的表情合成技术。对于三维空间人脸合成则主要包括：基于物理肌肉模型的合成,基于形变的表情合成,基于三维形状线性回归的表情合成,基于脸部运动图的表情合成和近来基于深度学习的三维人脸表情合成技术。对以上每一种类别讨论它们的方法论以及其主要优缺点。本工作有望帮助未来研究者更好地定位研究方向和技术突破口。     

Artificially Generated Facial Images for Gender Classification Using Deep Learning

Given the current expansion of the computer vision field, several applications that rely on extracting biometric information like facial gender for access control, security or marketing purposes are becoming more common. A typical gender classifier requires many training samples to learn as many distinguishable features as possible. However, collecting facial images from individuals is usually a sensitive task, and it might violate either an individual's privacy or a specific data privacy law. In order to bridge the gap between privacy and the need for many facial images for deep learning training, an artificially generated dataset of facial images is proposed. We acquire a pre-trained Style-Generative Adversarial Networks (StyleGAN) generator and use it to create a dataset of facial images. We label the images according to the observed gender using a set of criteria that differentiate the facial features of males and females apart. We use this manually-labelled dataset to train three facial gender classifiers, a custom-designed network, and two pre-trained networks based on the Visual Geometry Group designs (VGG16) and (VGG19). We cross-validate these three classifiers on two separate datasets containing labelled images of actual subjects. For testing, we use the UTKFace and the Kaggle gender dataset. Our experimental results suggest that using a set of artificial images for training produces a comparable performance with accuracies similar to existing state-of-the-art methods, which uses actual images of individuals. The average classification accuracy of each classifier is between 94% and 95%, which is similar to existing proposed methods.     

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。     

人机交互中的人脸表情识别研究进展

随着人机交互与情感计算技术的快速发展,人脸表情识别已成为人们研究的热点。为了阐明人机交互中人脸表情识别的研究方向及进展,该文从人脸表情数据库、表情特征提取、表情分类方法、鲁棒的表情识别、精细的表情识别、混合表情识别、非基本表情识别等方面对人脸表情识别的研究现状进行了分析。最后总结了人脸表情识别研究的热点及趋势,同时指出了人脸表情识别研究存在的局限性,并对人脸表情识别的发展进行了展望。     

采用深度学习方法的非正面表情识别综述

2017年人工智能正式升级为中国国家战略,作为人工智能领域中重要的研究方向,人脸表情识别受到了国内外研究者们的广泛关注。然而传统的人脸表情识别技术无法适应自然环境下的表情识别需求。因此非正面人脸表情识别方法成为实现表情识别技术实用化突破的重点。但是现有的非正面表情识别研究面临很多困难：头部偏转不仅造成了识别图像的扭曲,而且还遮挡了部分人脸区域,严重干扰了表情特征的提取与识别。有鉴于此,研究者们将深度学习技术与非正面表情识别相结合,依靠非正面表情图像的深度信息,实现算法识别能力的提升。综述详细介绍了深度神经网络的结构,对最新的深度学习神经网络研究方法进行分类对比,同时对未来的研究和挑战做了展望。     

面部表情识别方法综述

介绍了表情识别难点及研究现状;重点阐述了不同的人脸表情特征提取方法和基于分类器的表情识别方法,并对各种方法进行了简单的分析比较;最后针对鲁棒性的需求,给出了人脸表情识别未来要研究的重点内容。     

融合关键点属性与注意力表征的人脸表情识别

人脸的表情变化非常细微,通常表现在图像中某些局部点区域的改变,现有的人脸表情识别方法难以捕捉到表情的细微变化,对非表情区域干扰不具有鲁棒性。为了获得描述人脸表情变化的高效特征表示,提出了一种融合关键点属性与注意力表征的人脸表情识别方法。通过添加通道注意力和空间注意力的神经网络提取人脸图像中的关键点信息,实现不同维度和位置的权重分配,有效避免非表情区域的干扰,捕获图像中局部关键点的特征表征。引入Transformer模块学习不同关键点之间的相关联系,引导网络构建对表情类型更具分辨力的特征表示,从而实现精准识别。通过在CK+、JAFFE、FER2013三种公开数据集上进行实验的结果表明：提出算法的识别准确率分别达到了99.22%、96.57%、73.37%。     

Static and dynamic 3D facial expression recognition: A comprehensive survey

Automatic facial expression recognition constitutes an active research field due to the latest advances in computing technology that make the user's experience a clear priority. The majority of work conducted in this area involves 2D imagery, despite the problems this presents due to inherent pose and illumination variations. In order to deal with these problems, 3D and 4D (dynamic 3D) recordings are increasingly used in expression analysis research. In this paper we survey the recent advances in 3D and 4D facial expression recognition. We discuss developments in 3D facial data acquisition and tracking, and present currently available 3D/4D face databases suitable for 3D/4D facial expressions analysis as well as the existing facial expression recognition systems that exploit either 3D or 4D data in detail. Finally, challenges that have to be addressed if 3D facial expression recognition systems are to become a part of future applications are extensively discussed.     

人脸妆容迁移研究综述

人脸妆容迁移的目标是在保持源图像面部特征的同时,将人脸妆容从参考图像迁移到源图像,具有重要的理论研究价值和巨大的市场应用价值。目前,生成对抗网络已成为解决人脸妆容迁移问题的主流技术。阐述了人脸妆容迁移面临的主要挑战,按照重点解决问题的不同系统地梳理了已有的人脸妆容迁移方法并分析了其优点和局限性,总结了人脸妆容迁移网络常用的损失函数,介绍了常用的人脸妆容迁移数据集以及模型评价方法,讨论了人脸妆容迁移领域未来的发展趋势。     

人脸图像年龄估计模型综述

人脸图像年龄估计是模式识别领域中一个重要的研究方向。本文针对人脸图像年龄估计中提出的模型进行了分析、分类、归纳和总结,指出了各种模型的优缺点和研究现状。