基于SVM的面部表情分析

以面部表情视频序列为研究对象,基于一种统计学习方法-支持向量机对面部表情进行识别及强度度量。采用一种改进的特征点跟踪方法来提取面部特征形变。通过非线性降维方法-等容特征映射自动产生表情强度范围,从高维特征点轨迹中抽取一维的表情强度。最后,使用SVM建立表情模型和强度模型,进行表情的分类,并对高兴表情进行强度等级的归类。实验证明了该表情分析方法的有效性。     

基于三维数据的人脸表情识别

为了充分利用三维图像,在前人的二维图像研究的基础上,该文提出了一种新的基于三维数据的人脸表情识别方法。在此方法中,根据三维成像仪的特性,直接利用得到的三维数据进行分析处理,避免了传统的通过二维图像生成三维图像的特点创建了新的模版匹配方法,同时也结合了原始的二维图像进行特征点识别,然后综合分析特征点的性质完成人验表情识别,实验表明,该方法能够对六种人脸表情进行识别,有较高的识别率。     

改进ORB特征点检测的图像拼接方法

针对图像拼接的实时性、准确度问题,本文提出了一种基于改进ORB特征点检测的图像拼接方法.方法在提取图像噪声点周边点的方式和判断特征点条件上进行改进.首先根据ORB算法判断特征点的特点将选取16个点减少为仅选取上下左右4个点,大大减少了质心与周边像素的比较次数;然后根据特征点延展性的特性,再在外圆选取4个相关点进行比较,...     

基于粗糙集的表情特征选择

为解决取得特征向量维数过高问题,提出了一种改进的粗糙集属性约简算法。运用几何特征点方法得到人脸表情的局部特征向量,引入粗糙集理论,用改进的属性约简算法对提取到的表情特征进行优化选择,去掉冗余特征和对表情分类无用的不相关信息。实验结果显示,该方法不仅实现方便,识别率高,识别所用的时间也大大减少,充分表明了该方法的有效性。     

基于方法的表情生成技术综述

表情生成技术是智能人机接口领域的重要研究内容之一.基于方法的表情生成技术多数以图像为研究对象,不需要3维建模,同时又具有丰富的纹理细节,在表情生成的逼真度和降低复杂性方面具有相当的优势,一些方法也可扩展至3维应用.本文根据各种算法的技术本质将已公开发表的研究总结归纳为渐变技术、表情映射技术、统计学方法、2维网格法、面色表情和表演驱动技术等几类,从概念、理论和技术方法等方面对典型成果进行讨论,分析了不同算法的特点和存在的问题以及今后的发展方向,为开展相关研究提供参考.     

基于双线性回归的个体人脸表情图像归正方法

针对当前人脸表情归正方法缺少个体特征的不足,提出一种基于双线性核降秩回归(BKRRR)的归正方法.BKRRR从训练样本集中同时合成虚拟表情图像和中性表情图像,通过二者差分形成表情掩膜.将待测样本通过分段仿射变换投影至中性表情模板,然后以BKRRR虚拟中性表情图像作为前景图像,以待测样本的中性表情投影图像作为背景图像,以表情掩膜作为前景模板,采用基于泊松方程的图像融合技术获取保留个体特征的虚拟中性表情人脸.实验表明文中方法所合成的虚拟图像在主观视觉和客观评价上均优于目前基于学习的表情归正方法,利于人脸识别精度的提高.     

基于纹理特征融合的人脸表情识别

局部二值模式(LBP)和韦伯局部描述算子(WLD)是两种图像的纹理描述算子,在图像的特征提取方面有较强的能力。为了更加准确地对人脸表情进行识别与分类,针对LBP在特征提取的过程中只考虑了中心像素点与周围的其他像素点的灰度值之差,WLD仅考虑中心像素点与周围像素点灰度值之间的激励强度与梯度方向关系的问题,提出一种新的特征提取算法—局部二值韦伯模式(LBWP)。首先对图像进行预处理,检验人脸和裁剪有效的表情区域,接着对图像进行LBWP特征提取,在特征提取之后采用SVM的分类器对表情进行识别和分类。该算法在CK+数据集和JAFFE数据集上进行实验仿真,识别率分别达到了97.14%和95.77%。实验结果验证了LBWP算法在表情识别方面的有效性,且丰富了人脸图像特征提取方法。     

基于特征融合的人脸表情识别研究

针对现有的人脸表情识别方法易受到光照、噪声等因素的影响导致识别率较低的问题,本文提出了一种基于特征融合的人脸表情识别方法。从两方面对表情信息进行描述,通过局部二值模式(LocalBinaryPattern,LBP)和词袋模型(BagOfWords,BOW)分别对表情图像进行纹理特征和语义特征提取,然后将两种特征进行线性融合,最后使用支持向量机(Support Vector Machine,SVM)进行表情分类识别。本文方法在JAFFE和CK+表情数据集上分别取得了98.76%和97.58%的识别率,验证了所提出方法的有效性。     

基于对称双线性模型的光照鲁棒性人脸表情识别

针对传统的光照预处理方法降低原始图像质量、丢失部分有效辨识信息的缺点,提出一种新颖的应用对称双线性模型来对人脸表情图像进行光照预处理的光照鲁棒性人脸表情识别方法.首先通过对称双线性模型将训练集图像分解为相互独立的光照因子和表情因子,并提取其光照因子.接下来提取含有未知光照的测试集表情图像的表情因子,并将其转换到训练集的若干个已知光照上,这样处理能够将任意光照的测试图像转换到相同的光照平台上,令所有测试图像的特征具有归一化特性.实验结果表明, 本文所提光照预处理方 法在识别性能上优于传统的光照预处理方法,应用在光照处理后的JAFFE表情库上识别率达到92.37%, 表明其适用于光照鲁棒性人脸表情识别.     

人脸特征约束点的三维表情合成*

针对目前很多三维表情合成算法计算量大、方法比较复杂、真实感不强的特点,结合人脸分布特征,提出了一种基于Delaunay三角剖分的三维表情合成新算法。该方法通过对人脸特征点集的快速三角剖分避免了病态三角网格,有效提高了合成后人脸表情的真实度,降低了算法复杂度。大量实际人脸表情合成的实验结果表明,该算法通过少量的特征点生成的三维人脸表情更加真实,可有效快捷地合成各种真实的人脸表情。     

基于风格迁移的交互式航空发动机孔探图像扩展方法

在航空发动机孔探图像缺陷检测任务中，缺陷区域样本数量远少于正常样本数量，且缺陷样本无法覆盖整个样本空间，导致检测算法泛化能力较差。针对上述问题，提出了一种基于风格迁移技术的交互式数据扩展方法。首先，通过交互界面选择背景图像和缺陷目标，并根据背景图像指定需要粘贴的目标的大小、角度和位置等信息；其次，通过风格迁移技术将背景图像的风格迁移到目标图像上，使得背景图像和待检测目标具有相同的风格；最后，利用泊松融合算法对融合区域的边界进行修正，以达到连接区域自然过渡的效果。通过二分类和缺陷检测验证了该方法的有效性。在包含真实图像和扩展后图像的二分类实验中，测试人员的平均分类错误率达到了44.0%；而在基于Mask R-CNN模型的检测任务中，所提方法的检测和分割平均精度（AP）较传统方法分别提高了99.5%和91.9%。     

基于风格迁移的交互式航空发动机孔探图像扩展方法

在航空发动机孔探图像缺陷检测任务中,缺陷区域样本数量远少于正常样本数量,且缺陷样本无法覆盖整个样本空间,导致检测算法泛化能力较差。针对上述问题,提出了一种基于风格迁移技术的交互式数据扩展方法。首先,通过交互界面选择背景图像和缺陷目标,并根据背景图像指定需要粘贴的目标的大小、角度和位置等信息;其次,通过风格迁移技术将背景图像的风格迁移到目标图像上,使得背景图像和待检测目标具有相同的风格;最后,利用泊松融合算法对融合区域的边界进行修正,以达到连接区域自然过渡的效果。通过二分类和缺陷检测验证了该方法的有效性。在包含真实图像和扩展后图像的二分类实验中,测试人员的平均分类错误率达到了44.0%;而在基于Mask R-CNN模型的检测任务中,所提方法的检测和分割平均精度（AP）较传统方法分别提高了99.5%和91.9%。     

基于熵特征融合的拷贝检测方法研究

目前流行的社会网络为媒体分发带来极大便利,但同时带来一系列的安全隐患,例如隐私、盗版、敏感内容泄露等等。为追踪非法拷贝,针对版权保护的多媒体内容拷贝检测技术是一个研究热点。传统的拷贝检测方法难以做到分块结构和几何鲁棒性的统一,提出了一种基于熵矩阵的特征值特征和变换矩阵特征的融合方法,用于拷贝的特征匹配,利用SVM技术对融合效果进行了验证。实验证明,除改善了检测率外,对噪声、压缩、旋转、缩放等处理有一定的鲁棒性。     

匹配图像与3维模型特征点的真实感3维头重建

提出并实现一种基于两张正交图像和一个标准3维头模型,并利用2D图像特征点和3D模型特征点的匹配进行3维头模型重建的算法。首先,进行面部区域和头发区域的分割,利用色彩传递对输入图像进行颜色处理。对正面图像利用改进后的ASM（主动形状模型）模型进行特征点定位。改进局部最大曲率跟踪(LMCT)方法,更为鲁棒的定位了侧面特征点。在匹配图像特征点与标准3维头上预先定义的特征点的基础上,利用径向基函数进行标准头形变,获得特定人的3维头部形状模型。采用重建好的3维头作为桥梁,自动匹配输入图像,进行无缝纹理融合。最后,将所得纹理映射到形状模型上,获得对应输入图像的特定真实感3维头模型。     

基于改进SSD算法的双目鱼群图像检测

针对水下鱼群图像对比度低、鱼群尺寸不一致以及双目图像拼接出现的伪影问题,通过改进SSD (single shot MultiBox detector)算法提高图像拼接精度,实现不同尺寸鱼群快速准确检测。借助卷积层重叠相加法融合多个卷积特征,增强各个特征层的特征强度;构建特征金字塔模型,实现低卷积层的高分辨率特征与高卷积层的语义特征的融合,提高水下低对比度图像中小目标鱼群的检测精度;利用两个相同的卷积模型进行特征匹配,依据反向传播机制将第六层匹配特征逐级映射到第四层,提高特征匹配精度。在Labeled fish in the wild数据集上对本文算法进行验证,对小目标鱼群的检测精度在90%以上。     

基于机器视觉的多铆钉自动检测算法研究

为了克服传统人工铆钉检测工效低、精度不易控制等弊端,提出了一种基于机器视觉的多铆钉非接触式自动检测算法。采用改进的OTSU算法对采集到的铆钉图像进行分割,有效地减少了污点区域的误划分。为解决铆钉方位的随机性对检测过程造成的影响,采用最小外接矩形法定位铆钉轮廓主轴,克服了复杂工业环境中的不确定因素。通过计算铆钉轮廓各点在两侧支撑区间内曲率的方法识别轮廓特征点,有效减少了噪声在曲率计算中的权重,并提高了识别精度。实验表明:该系统检测精度高,且误检率低,能满足铆钉生产在线检测的要求。     

基于VGG-NET的特征融合面部表情识别

为了解决在面部表情特征提取过程中卷积神经网络CNN和局部二值模式LBP只能提取面部表情图像的单一特征,难以提取与面部变化高度相关的精确特征的问题,提出了一种基于深度学习的特征融合的表情识别方法。该方法将LBP特征和CNN卷积层提取的特征通过加权的方式结合在改进的VGG-16网络连接层中,最后将融合特征送入Softmax分类器获取各类特征的概率,完成基本的6种表情分类。实验结果表明,所提方法在CK+和JAFFE数据集上的平均识别准确率分别达到了97.5%和97.62%,利用融合特征得到的识别结果明显优于利用单一特征识别的效果。与其他方法相比较,该方法能有效提高表情识别准确率,对光照变化更加鲁棒。     

基于感知哈希算法和特征融合的恶意代码检测方法

在当前的恶意代码家族检测中,通过恶意代码灰度图像提取的局部特征或全局特征无法全面描述恶意代码,针对这个问题并为提高检测效率,提出了一种基于感知哈希算法和特征融合的恶意代码检测方法.首先,通过感知哈希算法对恶意代码灰度图样本进行检测,快速划分出具体恶意代码家族和不确定恶意代码家族的样本,实验测试表明约有67％的恶意代码能...     

融合局部特征的图像过渡区提取与阈值化

针对图像过渡区提取与阈值化问题,提出了一种融合局部灰度复杂度和局部灰度差异度的方法。首先生成图像的局部复杂度和局部差异度等局部灰度特征;其次融合这些局部灰度特征构造新的特征矩阵;然后设计了与特征矩阵的均值和标准差相关的自动特征阈值,并提取图像过渡区;最后将过渡区像素的灰度均值作为最优灰度阈值完成图像二值化。实验结果表明,所提方法的过渡区提取质量高,分割效果好,具有合理性和有效性,可作为经典方法的有效补充。