Multimodal Expression—Synthesis of Facial Emotion,Mouth Movement and Voice

ＭｕｌｔｉｍｏｄａｌＥｘｐｒｅｓｉｏｎ—ＳｙｎｔｈｅｓｉｓｏｆＦａｃｉａｌＥｍｏｔｉｏｎ，ＭｏｕｔｈＭｏｖｅｍｅｎｔａｎｄＶｏｉｃｅＺＨＡＮＧＪｉｎｇＧＡＯＷｅｎＣＨＥＮＸｉｌｉｎ（张晶）（高文）（陈熙霖）（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎ...     

Eigenface的变维分类方法及其在表情识别中的应用

将Ｅｉｇｅｎｆａｃｅ多子空间积类和于面部表面识别,针地传统多子空间的分类方法中的问题和缺点,提出了两种变维分类方法－静态变维分类和动态变维分类,根据脸部不同区域所含表情成分所含表情成分的不同,将人脸图象划分成表情子区域,构成表情子图像,并分别对各类对表情子图像集求解其表情特征子空间,在识别时,用变维分类方法把表情子图像分别投影到各个表情特征子空间上,根据该图像与其在表情特征子空间的投影之间的相似性     

局部回归模型驱动的人脸素描自动生成

为了兼顾生成人脸素描与对应照片间的相像性和艺术性,提出一种利用局部回归模型学习照片-素描间的映射关系自动生成人脸素描的方法.首先在图像局部区域上采用回归技术获得照片-素描对应局部区域之间的映射关系;然后将映射关系应用到输入的人脸照片上,考虑结构性特征并模拟铅笔素描笔触来合成对应的素描图像.在CUFS数据库上的实验结果表明,采用该方法合成的素描保持了原始人脸照片的身份信息,并且体现出较好的铅笔素描纹理.     

人脸识别中的"误配准灾难"问题研究

现有的多数人脸识别系统都要依赖于面部特征(比如眼睛中心位置)的严格配准来归一化人脸以便提取人脸描述特征,但面部特征配准的准确度如何影响人脸识别算法的性能却没有得到足够的重视．该文作者首次针对这一问题进行了系统的研究,并提出了一种基于误配准学习的解决方案．为了揭示现有典型识别算法的识别性能对特征配准准确度的敏感程度,通过对眼睛位置人为加扰,作者对Fisherface算法的识别性能随平移、旋转和尺度改变而变化的情况进行了实验评估．结果表明：Fisherface的识别性能随着误配准的增大而急剧下降——称这一现象为“误配准灾难”问题．针对此问题,作者提出了一种基于扰动学习的“误配准灾难”解决方案,该方法通过在模型训练阶段加入扰动配准偏差来提高判别分析方法对误配准的鲁棒性．在FERET人脸图像数据库和CAS—PEAL-R1人脸库上的实验表明该方法可以有效地提高识别算法对误配准的鲁棒性．     

双通道Faster R-CNN在RGB-D手部检测中的应用

在人机交互、手语识别等大量与人手有关的视觉任务中,手部检测是极为重要的一个预处理阶段。随着RGB-D数据采集设备的发展,额外提供的深度数据能够与传统使用的彩色数据互相补充以提供更强的特征表达。此外,传统的检测方法由于使用肤色、HOG等手工设计的特征,不能对手部进行很好的表达。而基于深度学习的检测方法通过从数据中自动学习有效的特征避免了这个问题。为了结合RGB-D数据和深度学习技术的优点,提出了一种融合彩色和深度数据的双通道 Faster R-CNN检测框架。该方法在原有Faster R-CNN检测框架的基础上,增加了Depth通道信息,并在特征层面上将其与RGB通道信息进行融合。实验结果表明,所提方法在性能上比仅采用RGB或在数据层面上融合的Faster R-CNN框架有明显优势。因此,该方法能有效融合来自彩色和深度通道的数据,以提升手部检测性能。     

结构化稀疏线性判别分析

在监督场景下线性判别分析(linear discriminant analysis,LDA)是一种非常有效的特征提取方法.然而,LDA在小样本情况下通常会出现过拟合现象,并且学习的投影变换难以给出人类认知上的解释.针对这些问题,特别是可解释性结构的发现,借助于LDA的线性回归模型和结构化稀疏L2,1范数,提出了结构化稀疏线性判别分析(structured sparse LDA,SSLDA)方法.进一步,为了去除线性变换间的相关性,提出了正交化的SSLDA(orthogonalized SSLDA,OSSLDA),它能更加有效地学习到细致的结构信息.为了求解这2个模型,引入了一个半二次的优化算法,它在投影变换和新引入的辅助变量之间采用交替优化的思想.为了验证所提出的方法,在AR、扩展的YaleB和MultiPIE 3个人脸数据库上对比了LDA及其变种方法,实验表明了所提出方法的有效性以及可解释性.     

双向层级结构分类器及其在面部特征点定位中的应用

设计了一种新颖的双向层级结构分类器,并将其应用于面部特征点的定位。该分类器在训练过程中对正例样本和反例样本交替进行重采样,因而与采用传统的单向层级分类器的面部特征定位方法相比,采用这种新的双向层级结构分类器的方法具有以下优点:可以应对大规模的数据集;可以处理存在复杂变化的正反例样本;而且无论是在训练过程还是在测试过程,其算法都能快速地过滤大量的"易分"样本,执行效率非常高。在两个公开测试数据库上的实验结果表明,采用双向层级结构分类器的方法可以实现准确、快速的特征点定位。     

基于混合特征的注视方向判别

提出了一种基于混合特征的注视方向判别方法.混合特征由模型特征和表观特征组成.模型特征是提取的特征点间的几何向量,表观特征是从眼睛图像提取的方向二值模式(DBP).将两种特征通过支持向量回归(SVR)算法融合起来,将组合特征一一对应于某一确定的头部姿态下的一个确定的注视方向.非特定人实验所用数据库有11个采集人,共计40...