基于聚类建模的三维人脸识别技术研究

由于信息采集困难、环境条件约束、实现方式和手段不足等原因,三维人脸识别技术还很不成熟.为此提出将聚类技术应用到三维人脸建模过程中来提高建模的效果和效率.首先定义了三维人脸相似性,提出了圆锥曲线相似性定义方法.其次基于三维人脸聚类建模提出了人脸识别系统的新框架,设计了与新系统对应的识别策略.实验证明,基于聚类建模的人脸识别系统在进行人脸识别时所用的时间远远少于采用传统形变模型的方法所用的时间,而且对人脸样本的数量不敏感.     

基于二维人脸图像的三维建模研究

针对目前三维人脸建模方法存在的不足,在分析了网格重采样方法的基础上,提出了一种改进的基于模板的网格重采样方法.首先对人脸的重要特征点大致定位,自动将人脸划分为36个分块,初步建立三维人脸间的对应关系;然后使用重采样的方法,得到具有规则拓扑结构的人脸特征点,建立较为精细的中性人脸模型.经实验证明,该方法能够在较短时间内实现对中性三维人脸的建模,同时对高维模型进行了网格简化.     

浅谈人脸建模与动画技术

对人脸建模与动画的概念、基本技术与实现思路进行分类总结，分析各种技术的特点与缺点，对人脸动画的发展过程进行全面的认识，并描述一种人脸建模特定化的一般过程。     

基于重采样的三维人脸样本扩充

为了对现有三维人脸数据库的数据规模和数据覆盖范围进行扩充,提出一种基于样本重采样的三维人脸样本扩充算法.该方法首先根据面部器官的分布规律对人脸样本进行区域划分,并获得关于各个器官的样本集;然后通过从各个器官样本集中选择器官并重组的方式来获取新的三维人脸样本,为了保证新器官之间的无缝融合,提出了基于薄板样条函数(thin-plate-spline,TPS)的几何信息缝合方法和基于微分算子的纹理缝合方法.实验结果表明:本文提出的样本扩充方法能对现有三维人脸数据库进行扩充;扩充后的样本集可以提高算法的效果.     

基于深度三维形变的单张3D人脸重建算法

三维形变模型(3DMM)作为人脸重建的重要方式,在3D建模、图像合成等领域有着广泛的应用.由于受训练数据类型、数量以及主成分等因素影响,3DMM存在过约束的现象,不能提供足够的灵活性来表示高频变形.本文将三维形变模型嵌入到深度神经网络中,为提升3D人脸重建的表示能力提供了新的思路.为了提升网络学习效率,本文构设了一种双通路神经网络,实现了在全局路径和局部路径之间的平衡.通过在学习目标和网络结构两方面改进非线性3DMM,提出了一种比线性或以往的非线性模型更能捕捉到更高层次细节的模型.算法对比与仿真实验表明,本文算法在3D人脸重建上的归一化平均误差更低,所生成的3D人脸模型鲁棒性好、重构准确,实现了较好的3D人脸重建性能.     

基于标准模型的三维人脸建模与控制

提出了一种通过两幅正交人脸照片合成三维人脸模型的方法.该方法依据MPEG-4标准定义的特征点标记照片,将其与三维标准模型的特征点进行匹配调节,然后采用铰线形变方法对网格化正面照片进行曲面化,进而将曲面化的三维人脸与标准三维模型合成得到真实感人脸,在此基础上通过三维坐标驱动实现人脸的表情控制,最后通过实验验证了该方法的有效性.     

三维人脸衰老数据库的生成

采用改进的形变模型方法将真实人脸衰老图像重建成三维人脸, 进而生成三维人脸衰老数据库, 并根据性别和年龄形成三维衰老人脸性别子库和衰老子库.结果表明, 此方法可有效地为三维人脸衰老化研究提供三维衰老人脸数据.     

三维人脸纹理改善及其在模型匹配中的应用

为改善三维人脸库的颜色纹理,基于纹理映射技术,提出了一种改善方法.使用统计学中曲线拟合与线性回归的方法,根据扫描仪获取的三维人脸库颜色纹理空间,拟合、逼近真实纹理空间,进而得到改善的颜色纹理空间,建立了三维人脸库颜色纹理空间到改善的纹理空间之间的映射关系.根据该映射关系改善了三维人脸库颜色纹理,缩小了其与真实纹理之间的差异.实验结果证明,用该方法改善后的纹理与真实纹理的差明显小于扫描得到的纹理与真实纹理之间的差;在模型匹配过程中使用改善后的纹理,可提高模型匹配速度,缩短匹配时间.     

基于AdaBoost的人脸检测算法

针对人脸检测的特点,深入分析了基于Haar-Like小波特征和AdaBoost算法构造强分类器的人脸检测算法,并将此算法应用于ORL人脸库.在Visual C++6.0平台下,首先利用AdaBoost算法训练得到用于人脸检测的强分类器H(x),然后利用该分类器进行人脸检测.实验表明,提出的算法在保证检测精度的同时,极大的提高了人脸检测速度,且受光照变化影响小.     

基于三维模型的多姿态人脸识别

利用正面、侧面照片建立起三维虚拟人脸模型，对待识别照片进行角度估计，把人脸三维模型进行投影，将多姿态识别转换成同一角度下两张照片的识别，从而解决了人脸的多姿态识别问题．提出了一种完整的解决人脸多姿态识别的方案，并提出了一种新的计算待识别照片旋转角度的算法．     

基于三维形变模型的多姿态人脸识别

针对多姿态人脸识别问题,提出了一种三维形变模型和部件技术相结合的人脸识别方法.该方法提取人脸三维部件作为识别特征,在一定程度上克服了人脸姿态变化对识别的影响.在识别过程中结合人脸的局部特征和全局特征,根据单个部件的识别率确定其在整体分类中的权值,基于整脸信息进行识别,进一步改善了识别效果.实验结果证明,该方法在训练库中只有1张正面照片时,对多姿态人脸识别具有很好的识别效果.     

基于肤色模型和重心模板的人脸检测

为了获得具有较高检测率并保持较低误检率的快速人脸检测,提出了一种基于知识的人脸检测方法.在人脸粗检中用肤色模型分割出输入图像中的人脸可能区域,并对这些区域进行重心模板匹配过滤出非人脸区域.利用人脸的生理分布特征设计出一种动态的人脸三分图分布模型,并以不同条件下的大量人脸图像样本作为统计数据建立了一个人脸规则知识库,用来判定过滤后的区域是否为人脸.实验结果表明,该方法具有很好的鲁棒性,能快速检测出不同光照、不同大小和有一定旋转角度的人脸.     

基于LabVIEW平台的教室场景内的人脸识别系统

采用机器视觉技术与虚拟仪器相结合的方式,以LabVIEW为平台,设计了基于人脸肤色信息和模板匹配相结合的人脸检测、LBP(局域二值模式)特征提取的人脸识别系统,同时调用VC++6.0生成的动态链接库完成系统关键算法的设计,实现了面向视频流的教室场景的人脸识别系统。该系统能够有效的提高远程教学环境中,教师与学生的互动交流,使用方便,有较好的实用性。     

基于肤色信息的快速人脸检测

讨论了人脸检测问题中精度和速度在此基础上结合眼睛的定位算法,最终精确得到人脸的位置.实验结果表明,本算法能较为准确快速地定位出彩色图片中正面人脸以及小角度偏转的人脸.     

由粗到精的三维人脸稀疏重建方法

针对传统三维人脸重建算法精度不高的问题,提出一种由粗到精的三维人脸稀疏重建方法。根据稀疏形变模型方法对待重建人脸的部分区域显著点进行重建,得到第1步重建结果,并在此基础上进行后续重建。将第1步的重建结果作为新的参考模型,求取待重建人脸与参考模型的特征点的坐标投影距离,从而求取参考模型的形变因子,完成最终三维人脸的重建。由于两步稀疏重建的作用不同,对重建过程中参数的选取也采用不同方式。实验结果表明,该方法能有效提高人脸重建精度,同时保持较快的重建速度。     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量（H,Cg,Cr）T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.