基于局部Gabor变化直方图序列的人脸描述与识别

提出了一种在Gabor变换幅值域内提取局部变化模式空间直方图序列(histogram sequence of local Gabor binary patterns,简称HSLGBP)的人脸描述及其识别方法.鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域得到成功应用,首先对归一化的人脸图像进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(Gabor magnitude map,简称GMM),然后在每个GMM上采用局部二值模式(local binary pattern,简称LBP)算子抽取局部邻域关系模式,最后由这些模式的区域直方图形成的序列来描述人脸.Gabor变换、LBP、空间区域直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性.而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题.同时,进一步探讨了如何在分类器设计阶段与统计方法进行结合的问题,提出了统计Fisher加权的HSLGBP匹配方法.在通过FERET人脸库光照、表情和时间变化测试集上与已发表的实验结果进行对比,充分验证了该方法的有效性.     

一种基于图像表观的鲁棒姿态估计方法

提出一种利用图像的表观特征进行头部姿态估计的方法.该方法首先使用了一维Gabor 滤波器对头部图像进行特征提取,然后对提取得到的一维Gabor 特征进一步使用了基于核函数的局部费舍尔判别分析方法增强特征的判别能力.与传统二维Gabor 特征相比,一维Gabor 特征除了在计算速度和存储空间上具有明显的优势以外,更与姿态紧密相关.而基于核函数的局部费舍尔判别分析方法,能够解决姿态问题中存在的非线性问题和多模态问题.大量的实验结果表明,该算法对于姿态估计问题是有效的.特别需要指出的是,该算法具有良好的推广能力     

人脸检测中一种简单有效的合并重合窗口方法

在当前主流的基于统计学习和穷举搜索窗口的人脸检测技术中,使用分类器对每个候选窗口进行分类判决之后,会留下多个重合的人脸候选窗口。为了将多个重合窗口合并为一个,提出一种使用矩形环对一个真实人脸的多个具有重合性质的分类器响应候选窗口进行重合范围限定,并合并多个窗口的策略。提出的矩形环合并窗框方法具有简单、易编程的特点,实验表明了该文方法的有效性。     

多姿态人脸识别

人脸识别在很多场合都有重要的作用,传统的身份验证是采用某种识别号码等方法, 以阻止伤造的发生。由于人的视觉特征如面部,姿态等是相对稳定而且各不相同的,因此采用这些特征进行身份的识别是可行的本文提出了一种处理多姿态人脸识别的多候选类加权识别方法,为了减少姿态变化的影响,提出了相应的预处理法。     

生物特征识别学科发展报告

从手机解锁、小区门禁到餐厅吃饭、超市收银,再到高铁进站、机场安检以及医院看病,人脸、虹膜和指纹等生物特征已成为人们进入万物互联世界的数字身份证。生物特征识别赋予机器自动探测、捕获、处理、分析和识别数字化生理或行为信号的高级智能,是一个典型而又复杂的模式识别问题,一直处于人工智能技术发展前沿,在新一代人工智能规划、“互联网+”行动计划等国家战略中具有重要地位。由于生物特征识别涉及公众利益攸关的隐私、道德和法律等问题,近期也引起了广泛的社会关注。本文系统综述了生物特征识别学科发展现状、新兴方向、存在问题和可行思路,深入梳理了人脸、虹膜、指纹、掌纹、静脉、声纹、步态、行人重识别以及多模态融合识别的研究进展,以人脸为例重点介绍了生物特征识别领域近些年受到关注的新方向——对抗攻击和防御、深度伪造和反伪造,最后剖析总结了生物特征识别领域存在的3大挑战问题——“感知盲区”、“决策误区”和“安全红区”。本文认为必须变革和创新生物特征的传感、认知和安全机制,才有可能取得复杂场景生物识别学术研究和技术应用的根本性突破,破除现有生物识别技术的弊端,朝着“可感”、“可知”和“可信”的新一代生物特征识别总体目标发展。     

基于样例学习的面部特征自动标定算法

面部特征标定是人脸识别中的一个关键问题.提出了一种基于样例学习的面部特征自动标定(人脸形状自动提取)方法.该方法是基于下面假设提出来的:人脸图像差和形状差之间存在一种近似的线性关系--相似的人脸图像在较大程度上蕴涵着相似的形状.因此,给定标注了特征点的人脸图像学习集,则任意新的输入人脸图像的面部形状可以采用如下方法估计:测量该人脸图像和训练集中图像的相似度,并将同样的相似度用于该人脸图像形状的重建.即:如果输入人脸图像可以表示为训练图像的优化的线性组合,那么同样的线性组合系数就可以直接用于训练集对应形状的线性组合从而得到输入人脸图像的形状.实验表明,该算法相对于其他传统的特征标定算法具有可比的精度和较快的速度.并且,还将此算法扩展到了多姿态情况下,实现了多姿态人脸图像形状的自动提取.     

CAS-PEAL大规模中国人脸图像数据库及其基本评测介绍

人脸图像数据库是人脸识别算法研究、开发、评测的基础,具有重要的意义．介绍了自行创建并已经部分共享的CAS-PEAL大规模中国人脸图像数据库及其基准测试结果．CAS-PEAL人脸图像数据库中包含了1040名中国人共99450幅头肩部图像．所有图像在专门的采集环境中采集,涵盖了姿态、表情、饰物和光照4种主要变化条件,部分人脸图像具有背景、距离和时间跨度的变化．目前该人脸图像数据库的标准训练、测试子库已经公开发布．与其他已经公开发布的人脸图像数据库相比,CAS-PEAL人脸图像数据库在人数、图像变化条件等方面具有综合优势,将对人脸识别算法的研究、评测产生积极的影响．同时,作为以东方人为主的人脸图像数据库,CAS-PEAL人脸图像数据库也使人脸识别算法在不同人种之间的比较成为可能,利于人脸识别算法在国内的实用化．还给出了两种基准人脸识别算法(Eigenface和Correlation)和两个著名商业系统在该人脸图像数据库上的测试结果,定量分析了该人脸图像数据库对于人脸识别算法的难易程度和人脸识别算法的发展现状．     

基于时序多尺度互补特征的视频行人重识别

视频行人重识别在监控场景中起着非常重要的作用.但是，大多数现有方法没有充分利用行人视频序列的时空信息.具体来说，这些方法以相同的分辨率和网络结构处理每一帧图像，造成连续帧特征的高度相似.此外，现有方法通常通过引入各种复杂的操作提高精度，过多的计算开销使其不利于真实场景的部署.针对上述问题，本文提出了一个时序多尺度互补网络，旨在高效地为视频的连续帧提取互补的特征.具体来说，时序多尺度互补网络包含多个具有不同输入分辨率的分支.其中，高分辨率分支处理原始分辨率帧，用于保留行人的细节线索；低分辨率分支处理以不同降采样率得到的低分辨率帧，用于捕捉更全局的行人信息.通过将连续帧输入到不同分支中，连续帧能关注不同粒度的空间区域，生成互补的特征.进一步，设计了一个多分支批量归一化层，保证了训练时分支之间的互补性.最后，提出一个跨分支融合模块，将低分辨率分支的全局信息逐步传播到高分辨分支中，得到一个融合了多尺度全局粗粒度和局部细粒度互补信息的特征.在iLIDS-VID,MARS和LS-VID三个数据集上的实验显示，本文提出的方法达到了比目前最好方法更好的性能，例如，在LS-VID上提升了4.5%mAP和...     

面向大姿态人脸识别的正面化形变场学习

目的 人脸识别已经得到了广泛应用,但大姿态人脸识别问题仍未完美解决。已有方法或提取姿态鲁棒特征,或进行人脸姿态的正面化。其中主流的人脸正面化方法包括2D回归生成和3D模型形变建模,前者能够生成相对自然真实的人脸,但会引入额外的噪声导致图像信息的扭曲;后者能够保持原始的人脸结构信息,但生成过程是基于物理模型的,不够自然灵活。为此,结合2D和3D方法的优势,本文提出了基于由粗到细形变场的人脸正面化方法。方法 该形变场由深度网络以2D回归方式学得,反映的是不同视角人脸图像像素之间的语义级对应关系,可以类3D的方式实现非正面人脸图像的正面化,因此该方法兼具了2D正面化方法的灵活性与3D正面化方法的保真性,且借鉴分步渐进的思路,本文提出了由粗到细的形变场学习框架,以获得更加准确鲁棒的形变场。结果 本文采用大姿态人脸识别实验来验证本文方法的有效性,在MultiPIE （multi pose,illumination,expressions）、LFW （labeled faces in the wild）、CFP （celebrities in frontal-profile in the wild）、IJB-A （intelligence advanced research projects activity Janus benchmark-A）等4个数据集上均取得了比已有方法更高的人脸识别精度。结论 本文提出的基于由粗到细的形变场学习的人脸正面化方法,综合了2D和3D人脸正面化方法的优点,使人脸正面化结果的学习更加灵活、准确,保持了更多有利于识别的身份信息。     

《中国图象图形学报》低质图像增强专刊简介

计算机视觉在户外交通导航、安防监控、目标检测、医学影像辅助分析、诊断及水下探测、目标识别等领域具有广泛应用。清晰的图像画面对于计算机视觉获取正确的图像信息至关重要。然而在各种复杂成像条件(如雾、霾、沙尘、雨雪等恶劣天气及海洋等弱光低照环境)下,受光照及各种介质的影响,户外或水下计算机视觉系统所采集的图像通常存在严重颜色失真,且场景模糊、清晰度差,严重影响其应用并制约相关领域研究。 因此,如何通过后期算法对各种复杂环境下的低质图像进行增强和复原受到人们的高度重视。为了更好地推动低质图像增强理论、技术与应用的发展,及时记录我国学者在相关领域的最新研究进展,《中国图象图形学报》邀请业内专家共同策划推出“低质图像增强”专刊,主要收录国内学者在相关理论方法、关键技术、数据平台和典型应用等方面具有创新性、突破性的研究成果。 经过严格评审,“低质图像增强”专刊共收录学术论文22篇,作者包括来自42家科研院所、研究中心、高校和企业的80位专家学者、研究生、企业人员等。专刊成果得到26项国家自然科学基金、1项国家重点研发计划、17项省级自然科学基金和重大科技计划等项目支持。 专刊栏目包括：综述(5篇)、数据集论文(1篇)、图像去雾去雨(5篇)、低照图像增强(4篇)、图像超分辨(2篇)、图像修复(5篇)。 综述论文中,《水下光学图像重建方法研究进展》全面梳理了水下光学图像重建方法的发展历程,按照研究发展顺序依次分析了现有4大类处理方法的基本思想、代表性方法及优缺点;归纳了目前公开的水下图像数据集以及常用的水下图像质量评价方法,并对各重建方法进行了性能评测和对比分析;并展望了未来研究方向。 《单幅图像去雨数据集和深度学习算法的联合评估与展望》对近年来面向单幅图像去雨任务的雨图数据集构建以及深度学习算法、雨天后续高层任务的工作、图像去雨评价指标进行了回顾与介绍,并给出了目前的挑战与未来趋势。 《低光照图像增强算法综述》从3个方面系统地综述了低光照图像增强技术的研究现状。介绍了现有低光照图像数据集,详述了低光照图像增强技术的发展脉络,通过对比低光照图像增强质量与夜间人脸检测精度,对现有低光照增强技术进行了全面评估与分析。基于上述现状的探讨,结合实际应用,指出当前技术的局限性,并对其发展趋势进行预测。 《图像与视频质量评价综述》从全参考、半参考和无参考3个方面分别对图像、视频质量评价领域的文献进行了综述,在主流数据集上测试了方法的性能,总结并展望了目前质量评价领域仍存在的一些挑战与问题。 《图像质量评价研究综述——从失真的角度》从图像失真的角度,概述2011—2021年国内外公开发表的图像质量评价模型,以及现有的图像质量评价数据库。然后重点介绍图像质量评价模型的设计思想。最后总结了所介绍的图像质量评价模型,并指出未来可能的发展方向。 数据集论文,《面向真实水下图像增强的质量评价数据集》基于成对比较开展主观实验构建了首个面向水下图像增强算法比较的质量评价基准数据集,并且基于构建的数据集对比了目前若干主流的无参考图像质量客观评价方法用于评估水下图像时的性能。 我们期待广大读者和科技人员通过“低质图像增强”专刊,能够更深入、更全面地了解该领域的最新方法和应用,吸引更多学者从事相关研究并产生具有国际影响力的优秀成果,为本领域的发展做出新的贡献。