面向虚拟交互展示的人脸合成方法

人脸合成由于会受到光线、环境背景、头的姿态等的影响,在实时互动合成时常常难以得到满意的结果。针对虚拟交互展示中人脸互动合成的需求,本文基于快速样本学习的人脸检测,采用基于人脸细化参数化模板的快速特征点定位,最后实现人脸快速合成算法,实时生成用于科技馆展示的不同参观者的完美脸型效果。     

基于差影法粗分割与多模板匹配的人脸检测

提出了基于差影法粗分割与多模板匹配的人脸检测方法。首先利用差影法分割出可能包含人脸的区域；然后使用双眼模板进行粗筛选，进一步减小可能人脸的搜索范围；最后利用人脸模板和灰度规则进行匹配和验证。此方法具有较强的鲁棒性和可扩展性，减少了运算量，降低了误检率，提高了检测系统的综合性能。     

视频监控下的人脸跟踪与识别系统

针对智能视频监控系统的要求,设计了一个基于视频监控的自动多人脸跟踪识别系统,该系统的功能是实时跟踪视频监控范围内的人脸并鉴别人脸的身份。针对复杂背景及类似人脸区域的影响,提出了一种Adaboost人脸检测算法和主动形状模型相结合的人脸检测算法,实现人脸的准确检测;针对视频监控范围内人脸偏转、交错以及由于人员不断出入而导致人脸数目发生变化的问题,提出了CamShift和Kalman滤波器相结合的多人脸跟踪算法,同时对跟踪到的人脸进行实时身份识别。实验证明,该系统在视频监控范围内对人脸检测和身份识别准确,跟踪实时性好,是一种建立实时视频监控系统的实用方法。     

Detection of human faces in color image sequences with arbitrary motions for very low bit-rate videophone coding

The problem of human face detection is a focus of interest in image analysis, image databases and video coding. A new multi-resolution method using color and motion information and shape model is developed to detect human faces in videophone QCIF sequences for efficient encoding. The method is based on color segmentation and multiresolution propagation of a geometrical model. A new measure of motion activity is proposed to validate the choice of candidates.     

Detection of human faces in color image sequences with arbitrary motions for very low bit-rate videophone coding

The problem of human face detection is a focus of interest in image analysis, image databases and video coding. A new multi-resolution method using color and motion information and shape model is developed to detect human faces in videophone QCIF sequences for efficient encoding. The method is based on color segmentation and multiresolution propagation of a geometrical model. A new measure of motion activity is proposed to validate the choice of candidates.     

一种快速提取人脸中心点的方法

针对安防环境下监控系统的实时性要求,本文提出了一种基于肤色分割和人体特征相结合的快速人脸检测方法。首先利用肤色信息对彩色图像进行肤色区域的分割,然后根据人体的几何特征进行迭代寻优求取人脸的中心。实验结果证明,所求出的中心可以适用于要求。     

视频监控中的一种快速人脸定位方法

根据视频监控应用的特点,结合视频图像的时域连续特性和人脸肤色特征,提出了一种应用十视频监控的快速人脸定位方法。该方法首先通过对称差分算法,提取运动区域;然后基于BP(back-error-propagation,误差反传)神经网络的肤色分割算法,对运动区域进行肤色检测,最后,经过进一步的候选人脸区域验证,定位图像中的人脸。实验结果表明,提出的方法实现简单、检测速度怏、误检率低,适合实时视频监控系统应用。     

人脸关键特征点自动标定研究

人面部特征点的自动标定是计算机辅助颅像重合技术的重要研究内容之一。在人脸分析技术的基础上,提出了一种眉心点和眼角点的自动定位方法。在得到人像双眼位置的前提下,据此确定眉毛和眼睛块;然后利用一种自适应的阈值分割法对特征块进行二值化处理,进而提取出眉心点和眼角点。该方法充分利用了人面部的特征知识,简便易行。实验结果表明算法有效,定位的准确度较高。     

基于深度学习的ARM平台实时人脸识别

针对ARM平台上人脸识别实时性不强和识别率低的问题，提出一种基于深度学习的实时人脸识别方法。首先基于MTCNN人脸检测算法设计了一种实时检测并追踪人脸的算法；然后在ARM平台上基于深度残差网络（ResNet）设计人脸特征提取网络；最后针对ARM平台的特点，使用Mali-GPU加速人脸特征提取网络的运算，分担CPU负荷，提高系统整体运行效率。算法部署在基于ARM的瑞芯微RK3399开发板上，运行速度达到22 帧/s。实验结果表明，与MobileFaceNet相比，该方法在MegaFace上的识别率提升了11个百分点。     

Fast 2D/3D object representation with growing neural gas

This work presents the design of a real-time system to model visual objects with the use of self-organising networks. The architecture of the system addresses multiple computer vision tasks such as image segmentation, optimal parameter estimation and object representation. We first develop a framework for building non-rigid shapes using the growth mechanism of the self-organising maps, and then we define an optimal number of nodes without overfitting or underfitting the network based on the knowledge obtained from information-theoretic considerations. We present experimental results for hands and faces, and we quantitatively evaluate the matching capabilities of the proposed method with the topographic product. The proposed method is easily extensible to 3D objects, as it offers similar features for efficient mesh reconstruction.

     

基于DSP的视频人脸监控系统设计与实现

针对目前人脸监控系统存在不能及时决策、盲目跟踪的问题,提出综合人脸检测、识别、跟踪与控制的智能监控系统,并在TMS320DM642芯片上实现;使用Adaboost级联多层分类器检测人脸,基于Gabor小波图像相似度匹配识别人脸,对识别出的感兴趣人脸用Camshift算法实现跟踪,再通过串口驱动云台带动摄像头旋转,使感兴趣人脸保持在视场内并且在模拟显示器上显示;实验结果表明,本系统满足实时视频监控要求,对人脸旋转、遮挡、光照鲁棒性高;本系统可以推广至视频会议、视频聊天、可视电话等领域,有良好的应用前景。     

基于深度学习的重叠人脸检测

人脸检测在人机界面、安全系统、人脸识别、基于内容的图像检索等不同应用中起着重要作用。随着计算机图像技术的发展,人脸检测的方法也越来越多。但是利用现有的人脸检测方法检测重叠人脸时,虽然能够检测出部分人脸,但是相比于单人脸的检测,算法的效率和准确性都有所欠缺。针对这个问题,提出了一种基于深度学习的重叠人脸检测方法。首先基于机器学习方法,构建出多个人脸特征分类器,然后再利用肤色检测的方法对分类器得到的候选人脸进行二次检测,最后利用提出的一种NMS算法对候选人脸进行进一步的处理,从而检测出精确的人脸。为了验证算法的高效性和准确性,进行了多个人脸检测算法的对比实验,结果表明,该算法在效率和准确性方面都有较大提高。     

基于肤色学习的多人脸前景抽取方法

针对多人脸场景下快速准确提取人脸内容的问题,提出了基于肤色学习的多人脸前景抽取方法。首先,给出了基于肤色学习的肤色前景分割模型。根据肤色专家的论文结果,采集了著名的SPA数据库的1 200张人脸进行肤色抽样,建立学习模型以得到每个人种在颜色空间的肤色参数,据此进行肤色图像分割,得到肤色前景。其次,利用人脸特征点学习算法,以常见人脸68个特征点为目标,结合肤色前景信息分割出人脸种子区域;并计算人脸中心点,来构建人脸椭圆边界模型以及确定遗传范围。最后,建立了有效抽取算法,在人脸椭圆边界内利用遗传机制进行人脸再生,从而抽取得到有效人脸区域。以三类不同数据库为基础,收集了100张有代表性的多人脸图像,实验结果表明所提方法对这些图像的多人脸抽取的结果准确率达到98.4%以上,且该方法对中密度人群的人脸内容抽取有显著效果,并为人脸识别算法的准确性和可用性提供了基础。     

An efficient face detection based on color-filtering and its application to smart devices

This paper proposes a means of using facial color to enhance conventional face detectors. To detect face rapidly, the proposed approach adopts a color filtering based efficient region scanning method. The scanning method skips over regions that do not contain candidate faces, based on a facial color membership function. Then it adopts a face/non-face classifier using facial color at the preprocessor of the face detector. This classifier has low computational cost and can reject non-face regions at an early stage of face detection. By integrating the proposed face detector with a kernel based object tracker, a real-time face detection and tracking application is implemented for smart devices. The proposed method considerably reduces the overall computation time and reduces the number of false alarms.     

视频图像中的实时人脸检测方法

给出了一种视频图像中的实时人脸检测方法，该方法综合了彩色视频图像的运动信息和颜色信息，可以快速地对图像中的人脸区域进行定位。算法通过对视频图像序列中每连续3帧图像进行对称差分，提取出运动区域；然后基于肤色聚类模型，再对运动区域进行肤色检测，经过候选人脸验证，最终定位图像中的人脸。实验表明，提出的方法检测速度快，实现简单、高效，满足实时系统的要求。     

基于颜色信息和几何不变性的人脸检测定位

由先验知识我们知道,2D人脸正面图像几何对称;然而,当姿态发生变化时,对于人脸这样的不规则3D几何体,不同的视角、不同的摄像机参数使得在透视成像下得到的图像也不同,并且发现正面人脸具有的对称特性也消失了,因此3D人脸的识别是十分困难的;提出一种从人脸特征的结构特殊性出发,利用2D人脸形状、面部特征等内在的几何约束关系构造射影不变的特征参数、特征关系的射影不变性,同时结合颜色物理信息的人脸检测定位方法,有效地避免了构造3D人脸模型的难题,增强了实验结果的效率、可靠性和稳定性.     

基于人脸分割的复杂环境下表情识别实时框架

复杂环境下人脸表情识别由于人脸姿势、遮挡及光照等因素影响，相较于可控环境下的人脸表情识别具有更高的挑战性。针对复杂环境下人脸表情识别精度低以及现阶段用于表情识别的网络结构复杂造成的识别效率低等问题，提出了一种基于人脸分割的复杂环境下表情识别实时框架。该框架包括用于人脸区域分割的FsNet（Face segmentation Network）和用于表情识别的TcNet（Tiny classification Network）。FsNet旨在分割出对表情识别最相关的人脸区域以提升TcNet识别精度，其训练数据集基于已有数据集构建。两个网络的结构设计均趋于精简化以保证整体框架的实时性需求。在FER-2013和RAD-DB两个复杂场景人脸表情数据库上的实验表明，人脸区域分割的方式有利于提高复杂环境下人脸表情的识别率，且整体框架在保证实时性的同时达到了良好的识别效果。     

基于YCbCr模型和形态学的瞳孔分割及人脸检测

该文提出了一种精确度高、抗干扰性强的人眼瞳孔分割方法,并利用这种方法定位人脸。先利用YCbCr模型提取人脸候选区域,然后根据人眼瞳孔的圆形特征,从形态学入手,先利用YCbCr模型提取人脸候选区域,然后根据人眼瞳孔的圆形特征．使用形态学方法增强瞳孔和其他区域的对比度,最后对瞳孔进行投影以确定瞳孔位置。当人脸候选区域和瞳孔区域的交集就是要找的人脸,最后对人脸进行归一化处理。该文提出的形态学方法同时保留了艟孔的圆形形状和灰度对比度,并利用这种方法定位人脸。     

Decimation of human face model for real-time animation in intelligent multimedia systems

Animating a complex human face model in real-time is not a trivial task in intelligent multimedia systems for next generation environments. This paper proposes a generation scheme of a simplified model for real-time human face animation in intelligent multimedia systems. Previous work mainly focused on the geometric features when generating a simplified human face model. Such methods may lose the critical feature points for animating human faces. The proposed method can find those important feature points and can generate the feature-preserved low-level models busing our new quadrics. The new quadrics consist of basic error metrics and feature edge quadrics. The quality of facial animation with a lower-level model is as good as that of a computationally expansive original model. In this paper, we prove that our decimated facial model is effective in facial animation using a well-known expression-retargeting technique.     

复杂背景下的多人脸检测方法

复杂背景下采用肤色进行人脸检测具有较高的检测率,但同时也具有较高的误检率,而采用AdaBoost算法进行人脸检测从根本上解决了实时性问题,但是检测率不理想。基于上述原因,采用肤色分割与AdaBoost相结合的方法对人脸进行检测：首先采用肤色分割进行人脸粗定位,然后将粗定位后的人脸候选区域作为AdaBoost检测的输入子窗口进行人脸检测。在预处理过程中,采用可调节结构元素,解决了对于不同图像中大小不一的人脸采用固定的结构元素造成的人脸丢失问题。实验结果表明该方法在提高检测率的同时,也降低了误检率。