一种改进的人脸纹理映射方法

识别人脸图像优化问题,由于人脸纹理映射时容易出现的纹理扭曲和畸变现象,影响图像的真实性,提出一种改进的纹理图像映射方法。根据人脸特征点信息,利用特征块匹配法配准正侧面人脸图像,并使用加权平滑算法和金字塔方法对图像进行双重融合实现图像的平滑过渡;然后利用一种特殊的定位方法来计算三维人脸模型上顶点对应的纹理坐标;最后根据纹理坐标将纹理图像映射到三维特定人脸模型表面上,可得到具有真实感的三维人脸模型。实验结果表明,纹理合成方法简捷有效,纹理映射结果生动逼真,有效的避免了纹理图像的扭曲和畸变现象,具有较高的鲁棒性。     

智能配镜三维特征参数提取方法研究

摘 要：针对智能配镜中三维面部特征点提取算法复杂度较高的问题,提出一种将三维点 云转换为映射图像定位特征点的方法。采用 Voronoi 方法计算面部三角网格各顶点处的高斯曲 率、平均曲率。选取鼻尖、眼角等曲率特征明显的区域估计面部点云姿态。根据曲率旋转不变 性,使用初选的点云方向向量简化旋转矩阵的计算,使面部点云正面朝向视点。将点云映射转 换为图像,三维网格模型中三角面片一对一映射到图像中的三角形。搭建卷积神经网络,使用 Texas 3DFRD 数据集进行模型训练。进行人脸对齐,预测所得各面部特征点分别限制在图像某 三角形中。根据图像中三角形映射查找三维网格模型中对应三角面片,通过三角面片顶点坐标 计算配镜所需的面部特征点位置坐标,实现配镜特征参数的提取。     

利用图像变形生成个性化人脸卡通

提出了一种利用图像变形技术生成个性化人脸卡通的方法,该方法以真实人脸图像、卡通人脸图像和中性标准人脸网格为输入。根据提取的特征点,在人脸上分区域构建多个径向基神经网络;将标准人脸网格变形,分别和人脸以及卡通脸配准,得到人脸和卡通脸的个性化网格;将卡通脸图像作为纹理映射到个性化人脸网格,并做色调分离提取原始人脸的光照信息,得到个性化卡通人脸图像。     

基于特征约束点的纹理映射算法

纹理映射技术用于生成物体表面的纹理细节,是真实感图形技术的重要组成部分,也是计算机图形学的一个重要研究方向.针对目前很多纹理映射算法计算量大,方法比较复杂的缺点,应用Candide3作为三维网格模型,提出了一种快速有效的基于特征约束点的纹理映射算法.通过在三维网格模型和纹理图像上选取少量对应的特征约束点,利用三角网格剖分算法在纹理图像上建立选取特征点的三角网格.进而通过求取质心坐标的方法计算出三维网格模型上所有特征点的纹理坐标并完成整个三维网格模型的纹理映射.实验结果表明,提出的算法计算速度较快,能够得到高真实度的纹理映射效果,并且适用于不同纹理图像映射到同一三维网格模型上.     

基于三角剖分的人脸纹理映射

采用通用的三维人脸模型和任意的人脸纹理图像,基于Delaunay三角剖分,提出了一种灵活的3D人脸的纹理映射方法。该方法对人脸特征点集做三角剖分,在纹理图像和三维网格之间建立了一个准确的拓扑同构映射关系,从而得到高真实度的纹理映射。该算法不受网格调整精度的影响,同时适用于不同的纹理映射到同一三维人脸模型上。     

基于均值坐标的三维动画传输

为了重用已有动画资源,提出一种基于均值坐标的三维动画传输方法．首先使用标记点在源网格和相应的目标网格间建立映射,然后采用均值坐标,根据源网格的动画来变形相应的目标网格．该方法不需要源网格和目标网格有相同的顶点数和三角面片数,也不需要有类似的拓扑信息．     

面向移动设备的快速人脸纹理映射

提出一种面向未来掌上移动设备（如高端手机,PDA等）的灵活实用的纹理映射方法.该方法仅需要一张正面人脸照片作为输入,不要求模型和纹理的精确匹配,通过简单的交互实现在较低资源配置下人脸纹理的提取.采用了一种交互调整映射的方案,通过用户对模型中特征点及其影响区域的编辑,实现对局部纹理坐标的定义,得到满意的映射效果.实验结果表明,文中方法具有较高的效率和真实感,可以用于产生真实感三维人脸表情动画.     

基于表情传输的交互式照片编辑

目的 生活中照片拍摄时难以捕捉到所有人脸表情最佳的时刻,多次摆拍不仅费时,而且可能会错过某些场景,传统的后期编辑软件不具备针对性,且操作复杂。针对人物照片中部分人脸表情不佳的情况,提出一种基于表情传输的交互式照片编辑算法。方法 首先将包含源人脸的照片与具有目标表情人脸的照片进行特征点检测,通过交互将指定人脸部分选出并将其姿态归正为眼睛在同一水平线上,如果目标人脸与源人脸身份相同,将目标人脸区域根据源人脸的轮廓以及左右半脸分布以扫描线变形得到替换目标;不相同时根据目标人脸特征点分布的几何特征计算源人脸中特征点的新位置,通过基于特征点变化的网格变形得到替换目标,最后利用二次光照与泊松融合将其无缝拼接到源图中。结果 实验表明算法可以对人脸五官清晰且在宽容度内的人物照片进行表情编辑,处理结果只改变了人物的脸部表情,并且无明显拼接痕迹。结论 提出了一种新型针对目标人脸不同身份信息的交互式表情传输模型,该模型可以适应不同的编辑条件与要求,效果出色。     

基于网格变形的从图像重建三维人脸

从图像重建高质量三维人脸一直是计算机视觉和图形学的一个重要研究问题.不同于传统的基于立体匹配的窄基线多视几何和数据驱动的人脸形变方法,提出一种结合网格变形技术和立体视觉原理的、从图像重建高质量三维人脸模型方法.给定从不同视角拍摄的几幅人脸图像,基于健壮图像特征获得可靠的相机外部参数和稀疏三维点;在此基础上,提出一种结合几何细节保持和图像一致性约束的三维人脸变形算法重建三维人脸,通过对人脸模板的网格变形,使得变形人脸在多幅图像中的可见投影具有一致性的图像颜色强度.基于模板的人脸变形可以有效地解决三维模型成像中的遮挡问题,采用健壮估计法消除噪声、离群点和光照对目标函数收敛性的影响,对目标函数的多次非线性优化求解进一步改进了人脸重建的质量.采用合成人脸图像和真实人脸图像重建三维人脸的实验结果表明,文中算法可以从几幅宽基线图像重建高质量的三维人脸模型.     

基于属性论的特征提取方法及其在人脸识别中的应用

该文提出一种基于属性论的人脸识别方法,主要应用于提高复杂背景下的多姿态人脸检测的识别效果。首先介绍了属性论的基石——定性映射理论,讨论了定性映射、经典集合论和特征函数之间的关系,然后讨论了基于定性映射的模式生成与识别模型,经过对人脸及人脸的特征点进行定位后,即可利用属性计算网格的定性基准网格对人脸的各特征点进行建模。研究发现基于属性论的人脸识别算法,识别率较高。在复杂背景下的多姿态人脸检测(如侧面人脸、遮挡脸)仍然取得较好的效果。     

基于网格形变的立体图像内容重组

目的 近年来,随着数字摄影技术的飞速发展,图像增强技术越来越受到重视。图像构图作为图像增强中影响美学的重要因素,一直都是研究的热点。为此,从立体图像布局调整出发,提出一种基于Delaunay网格形变的立体图像内容重组方法。方法 首先将待重组的一对立体图像记为源图像,将用于重组规则确定的一幅图像记为参考图像;然后对源图像需要调整的目标、特征线和其他区域进行取点操作,建立Delaunay网格。将源图像的左图与参考图像进行模板匹配操作,得到源图像与参考图像在结构布局上的对应关系;最后利用网格形变的特性,移动和缩放目标对象,并对立体图像的深度进行自适应调整。结果 针对目标对象的移动、缩放和特征线调整几方面进行优化。当只涉及目标对象的移动或特征线调整时,立体图像视差保持不变;当目标对象缩放时,立体图像中目标对象的视差按照缩放比例变化而背景视差保持不变。实验结果表明,重组后的立体图像构图与参考图像一致且深度能自适应调整。与最新方法比较,本文方法在目标对象分割精度和图像语义保持方面具有优势。结论 根据网格形变相关理论,构建图像质量、布局匹配和视差适应3种能量项,实现了立体图像的内容重组。与现有需要提取和粘贴目标对象的重组方法不同,本文方法对目标对象的分割精度要求不高,不需要图像修复和混合技术,重组后的立体图像没有伪影和语义错误出现。用户可以通过参考图像来引导立体图像的布局调整,达到期望的图像增强效果。     

基于形状外观关联映射的动态脸部纹理生成

脸部表情的变化细节(例如皱纹)是很重要的视觉线索,但是它们难以建模与合成.这是由于人们说话和作表情时,脸部纹理也在动态地改变.与传统的纹理映射方法不同,提出一种根据脸部特征点运动来生成脸部动态纹理的新方法.基于形状和外观在表情脸部图像上高度相关这个观察,设计建立了从形状到外观的映射关系.这个映射被称作"形状外观的关联映射(shape-appearance dependence mapping,简称SADM)".实验结果表明用,SADM合成出的人脸与真实的人脸十分近似.提出的SADM方法可以集成到基于线框模型的人头模型中产生真实的动画效果,也可以应用于基于模型的视频编码来进一步节省传输带宽.     

基于深度学习的运动目标交接算法

针对多摄像机非重叠视域下存在的运动目标不连续性和不确定性的问题, 提出一种基于深度学习的运动行人目标的交接算法. 首先基于深度卷积神经网络构建人脸特征提取模型, 对人脸特征提取模型进行训练, 获得精确的人脸特征. 然后比较两种常用的相似度度量方法, 选择其中一种更适合的相似度度量方法, 以完成最优的人脸匹配过程, 提高人脸匹配的准确率. 最后通过对不同摄像机下的人脸进行特征匹配找到最匹配的人脸, 实现运动目标的交接. 实验表明, 深度神经网络可以减少运动目标丢失的概率, 准确地提取到运动目标的人脸特征, 有效完成多摄像机下运动目标的交接跟踪任务.     

基于InceptionV3和特征融合的人脸活体检测

针对身份验证中经常出现的照片欺诈问题,提出了一种基于InceptionV3和特征融合的人脸活体检测模型——InceptionV3_FF。首先,在ImageNet数据集上预训练InceptionV3模型;其次,从InceptionV3模型的不同层得到图像的浅层、中层和深层特征;然后,将不同的特征进行融合得到最终的特征;最后,使用全连接层对特征进行分类,从而实现端到端的训练。InceptionV3_FF模型在NUAA数据集和自制的STAR数据集上进行仿真实验,实验结果表明,InceptionV3_FF模型在NUAA数据集和STAR数据集上分别取得了99.96%和98.85%的准确率,高于InceptionV3迁移学习和迁移微调模型;而与非线性扩散卷积神经网络（ND-CNN）、扩散核（DK）、异构内核卷积神经网络（HK-CNN）等模型相比,InceptionV3_FF模型在NUAA数据集上的准确率更高,具备一定的优越性。InceptionV3_FF模型对数据集中随机抽取的单张图片进行识别时,仅需4 ms。InceptionV3_FF模型和OpenCV结合构成的活体检测系统可以对真假人脸进行识别。     

基于多尺度感受野融合的小目标检测算法

针对通用目标检测算法在检测小目标时检测精度低的问题,提出一种基于多尺度感受野融合的小目标检测算法S-RetinaNet。该算法采用残差神经网络（residual neural network,ResNet）提取出图像的特征,利用递归特征金字塔网络（recursive feature pyramid network,RFPN）对特征进行融合,通过多尺度感受野融合模块（multiscale receptive field fusion,MRFF）分别处理RFPN的三个输出,提升对小目标的检测能力。实验表明,相比改进前的RetinaNet算法,S-RetinaNet算法在PASCAL VOC数据集上的均值平均精度（mean average precision,mAP）和MS COCO数据集上的平均精度（average precision,AP）分别提高了2.3和1.6个百分点,其中小目标检测精度（average precision small,APS）更为显著,提升了2.7个百分点。     

质心坐标变换及其在纹理映射均匀化中的应用

在现有质心坐标变换方法基础上,提出一种改进方法——均匀面积质心变换方法：在某一顶点邻域中,采用相应点所对应的边高比之和作为质心坐标进行分析推导,并将其应用到复杂三维形体的纹理映射均匀化中．首先通过面积权重质心坐标变换将复杂三维网格映射到平面上;在此基础上进行均匀面积质心坐标变换,就可使平面网格较均匀地分布．求解其纹理坐标可实现采用单幅图像的纹理映射均匀化．通过典型三维模型的实验和比较可以看到：采用文中方法所获得的纹理映射均匀化效果较现有的保角变换、保面积变换方法有显著改善,而且算法简单、稳定、快速．