较少标定点条件下的主动形状模型研究

主动形状模型(ASM)的核心部分包括两个子模型,全局形状模型和局部纹理模型,两者均由标定人脸的许多关键点经过统计方法构建而成.本文研究了在只有少量关键标定点情况下,如何有效的进行主动形状建模的问题.通过充分利用面部轮廓标定点的信息,提出了一种将面部轮廓质心动态变化和传统主动形状模型相结合的策略,解决了在少量标定点条件下主动形状建模所遇到的问题.实验表明,改进方法在定位人脸图像关键点时耗时更短,而且具有更广范围的搜索能力和性能良好的搜索精度.     

利用LLE进行重建的人脸图像多角度相互转化算法

针对现有多角度人脸图像相互转化算法存在复杂度高、运算量大、重建结果中头发、脸部轮廓部位比较模糊的问题,提出一种利用局部性嵌入法(LLE)进行重建的多角度人脸图像相互转化算法.将人脸特定角度空间的重建系数运用到目标角度空间,在权值求取时运用局部线性嵌入非线性降维算法,并将算法中的局部协方差矩阵进行大常数对角加载.对比实验结果表明,该算法简单,计算速度快,转化后图像质量高,并且在头发和人脸边缘部分合成效果明显优于现有算法.     

多模型ASM及其在人脸面部特征点定位中的应用

为了提高ASM在非均匀光照条件下的人脸面部特征点定位的精确度,提出了一种融合Log-Gabor小波特征的多模型ASM方法.该方法的主要特点有:在精确定位目标图像虹膜位置的基础上对全局形状模型进行较准确的初始化;特征点局部纹理特征采用灰度和Log-Gabor小波特征共同描述,减少光照和噪音对算法的影响;建立包括全局ASM和基于人脸面部显著特征区域的局部ASM的多模型ASM,交替使用这两种ASM模型在边缘约束策略基础上对特征点的定位结果进行约束.实验表明,多模型ASM算法对人脸面部特征点定位的准确率比传统ASM算法有明显提高.     

基于改进的ASM和AAM的面部特征定位算法

针对传统的ASM（主动形状模型）与AAM（主动外观模型）方法的缺陷与不足,提出了一种改进的方法。在改进算法中,将局部特征模型和全局纹理模型有机结合,使其融合传统的主动形状局部模型、全局纹理形状约束和参数优化过程。实验结果表明,改进算法的定位能力更加健壮,并具有更高的准确性。     

一种新的人脸面部表情识别算法研究

针对人脸面部表情的识别率易受非均匀光照影响,进而降低人脸面部表情辨识率的问题,提出一种融合局部特征与深度置信网络（DBN）的人脸面部表情识别算法。首先提取出人脸面部表情图像中的局部敏感质量分布图（LSH）非均匀光照不变特征;其次通过双编码局部二值模式（DCLBP）提取出人脸面部表情的边缘局部细节纹理特征;然后计算其各自特征的基本标准差来进一步确定自适应融合特征的权重值,并以此构造融合后的人脸面部表情特征;最后将部敏感质量分布图（LSH）与双编码局部二值模式（DCLBP）融合后的人脸面部表情特征进行训练深度置信网络（DBN）模型,将训练后的深度置信网络（DBN）模型进行人脸面部表情识别。在JAFFE人脸面部表情数据库和自建的维吾尔族人脸面部表情数据库中识别实验表明,该算法比其他4中算法的对比中其识别率分别至少提高了4.3%和5.22%,具有很好的鲁棒性和有效性。     

基于LED与肌肉模型的特定人脸建模与动画

特定三维人脸的建模与动画是计算机图形学中一个非常令人感兴趣的领域.本文提出了一种新的从两幅正交照片建立特定人脸的模型以及动画方法,首先以主动轮廓跟踪技术snake自动获取人脸特征点的准确位置,然后以文中的局部弹性变形(local elastic deformation)方法进行通用人脸模型到特定人脸的定制,并辅以采用图像镶嵌技术生成的大分辨率纹理图像施行纹理绘制,该方法以特征点的位移和非特征点与特征点的相对位置为基础计算局部人脸面部的变形,同时还能够实现人脸剧烈的面部变化和动作,与肌肉模型相结合,可很好地实时完成人脸的动画,具有快速高效的特点.最后,给出了所得到的实验结果.     

利用LLE重建的人脸图像多角度转化算法北大核心

针对现有多角度人脸图像相互转化算法存在复杂度高、运算量大、重建结果中头发、脸部轮廓部位比较模糊的问题,提出一种利用局部性嵌入法(LLE)进行重建的多角度人脸图像相互转化算法。将人脸特定角度空间的重建系数运用到目标角度空间,在权值求取时运用局部线性嵌入非线性降维算法,并将算法中的局部协方差矩阵进行大常数对角加载。对比实验结果表明,该算法简单,计算速度快,转化后图像质量高,并且在头发和人脸边缘部分合成效果明显优于现有算法。     

多核学习融合局部和全局特征的人脸识别算法

提出一种基于词袋模型的新的人脸识别算法.该方法将词袋模型和词袋模型的全局模式分别作为人脸图像的局部特征和全局特征描述,最后使用多核学习方法将二者进行融合.AR、FERET、CMU PIE以及LFW公开人脸数据库上的实验结果表明,本文方法能够更好的解决小样本问题,并且对人脸的表情变化、姿态变化以及面部遮挡具有更优良的鲁棒性.     

基于AAM和ASM的面部特征点提取研究

本文就传统AAM(主动外观模型)与ASM(主动形状模型)的缺点和不足,提出了一种改良的方法。在这种新的算法中,将局部特征模型和全局纹理模型结合起来,并使其可以和传统的主动形状模型、全局纹理形状约束的参数优化过程相融合,得到更好的效果。最终通过实验结果表明,改进后的算法在定位能力和准确性上均有显著的提高。     

一种改进的基于ASM模型的人脸跟踪算法

ASM主动形状模型是一种基于点分布的模型。在该模型中,外观相似的物体,可以通过一定数量的关键点坐标来表示出位置和相对应的顺序。在常规的基于ASM模型的人脸跟踪技术中,会发生拟合点漂移的现象,造成定位的不准确。文中提出一种结合了Adaboost人脸跟踪和传统的ASM模型的算法,能够有效地减少在传统ASM模型中出现的跟踪漂移现象。     

基于改进局部切空间排列的流形学习算法

局部切空间排列是一种广受关注的流形学习算法,其具备实现简单、全局最优等特点,但其难以有效处理稀疏采样或非均匀分布的高维观测数据。针对这一问题,该文提出一种改进的局部切空间排列算法。首先,提出一种基于L1范数的局部切空间估计方法,由于同时考虑了距离和结构因素,该方法得到的切空间较主成分分析方法更为准确。其次,在坐标排列步骤为了减小排列误差,设计了一种基于流形结构的加权坐标排列方案,并给出了具体的求解方法。基于人造数据和真实数据的实验表明,该算法能够有效地处理稀疏和非均匀分布的流形数据。     

改进的线段Hausdorff距离人脸识别方法

针对传统的线段Hausdorff距离(LHD)方法在人脸识别中的缺陷与不足提出了几点改进：把active shape模型(ASM)得到的人脸配准的结果结合到LHD线段边缘图(LEM)的提取过程,得到了比较好的结果;对人脸不同部分的线段给予不同的权重,并且把线段对的匹配限制在给定的邻域内。实验结果表明,改进的LHD方法比传统的LHD方法在微笑和小角度姿态变化下的识别率分别提高了10．3％和10．0％。     

融合复小波与零空间判别投射的人脸识别方法

提出一种新颖的零空间判别投射(NDPE)的子空间人脸识别方法。基于局部保持映射(LPP)和非参数判别分析方法,NDPF能够同时编码人脸数据流形的几何和判别结构,并且通过在零空间中求解特征值来克服小样本尺寸问题。为进一步提高人脸识别的准确率,提出融合双树复小波变换(DTCWT)与NDPE的方法。实验结果表明,所提人脸识别方法在ORL、Yale和AR人脸数据库上均取得了较高的识别率。     

一种应用于人脸识别的核正交等度规映射算法

针对人脸识别中的特征提取,提出了一种新的核正交等度规映射(KOIsoP,kernel orthogonal isometric projection)人脸识别算法。首先用核方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间,从而更好地提取人脸非线性流形结构信息。然后通过等度规映射做一线性映射得到基向量。最后正交化得到的基向量,使得算法更利于保留人脸非线性子流形空间与距离有关的结构信息和重构样本,以便获得更好的识别效果。ORL和PIE库上的人脸识别实验验证了算法的有效性。     

基于Log-WT的人脸图像超分辨率重建

目前已有的基于学习的人脸超分辨率图像重建算法大都对亮度变化特别是阴影非常敏感,针对这一缺点,该文提出了一种不随光照变化的图像表示方法对数-小波变换(Log-WT),并在此基础上构造了一种新的人脸超分辨率图像重建算法。该方法首先利用Log-WT变换提取低分辨率图像与光照无关的内在特性,然后借助流形学习的思想建模高分辨率图像和低分辨率图像之间的关系,并对其加入人脸图像的专用先验约束,从而同时实现了超分辨率重建和图像增强。仿真结果表明该算法有效克服了传统方法受光照因素影响的缺点,在提高图像分辨率的同时克服了光照因素的影响,特别是对阴影效应的消除具有明显效果,将该方法应用于人脸识别,有效提高了识别率。     

基于卷积神经网络的大姿态人脸对齐方法

大姿态人脸对齐是人脸识别和三维人脸重构等很多重要视觉任务的先决条件.现有的对齐方法大多使用二维界标位置来进行对齐,且使用的界标数量有限,影响大姿态人脸对齐的准确性.提出一种采用三维形变模型(3DMM)来表示二维人脸图像,将具有任意姿态的人脸对齐问题建模为基于3DMM的拟合问题.采用基于卷积神经网络(CNN)的级联回归方...     

基于加权主动形状建模的人脸特征定位方法

主动形状建模是面部特征定位和人脸识别等模式识别领域中常用的一种方法。然而,由于受到初始情况、光照等诸多因素的影响,主动形状建模经常会陷入最优化过程中的局部最小问题,从而导致其性能下降。该文在传统主动形状模型基础上,提出了一种加权主动形状建模的方法,该方法可以有效地解决上述局部最小问题,并且更好地捕捉局部点的特征信息,从而更精确地进行面部特征定位。最后通过实验验证了上面的结论。     

Face recognition using Two Dimensional Laplacian EigenMap

Recently, some research efforts have shown that face images possibly reside on a nonlinear sub-manifold. Though Laplacianfaees method considered the manifold structures of the face images, it has limits to solve face recognition problem. This paper proposes a new feature extraction method, Two Dimensional Laplacian EigenMap （2DLEM）, which especially considers the manifold structures of the face images, and extracts the proper features from face image matrix directly by using a linear transformation. As opposed to Laplacianfaces, 2DLEM extracts features directly from 2D images without a vectorization preprocessing. To test 2DLEM and evaluate its performance, a series of ex- periments are performed on the ORL database and the Yale database. Moreover, several experiments are performed to compare the performance of three 2D methods. The experiments show that 2DLEM achieves the best performance.     

基于流形学习的遮挡条件下表情识别方法

提出了一种识别遮挡图像表情的方法。先用主元分析(PCA,principal component analysis)算法对遮挡图像重建;然后根据正态分布理论检测出遮挡区域,并根据图像的部分相似性,将遮挡图像嵌入到流形空间中;最后用支持向量机(SVM,support vector machine)实现表情分类。本方法较好地消除了遮挡区检测误差对表情识别的影响,对遮挡图像的表情识别具有良好的鲁棒性。通过Cohn-Kanade和JAFFE人脸库上的表情识别实验,验证了本方法有较强的鲁棒性、较高的识别率和较高的运行效率。