基于Boosted Cascade算法的人脸检测和跟踪系统

将基于Boosted Cascade的人脸检测算法运用到视频图像当中,并结合图像序列中的运动信息,提出并实现了一种实时的人脸检测跟踪系统.首先根据图像的运动信息提取出可能存在人脸的候选区域,然后在候选区域中用Boosted Cascade算法进行检测.实验结果表明该系统能够实时地对于人脸进行检测跟踪,可以被应用在智能视频监控方面.     

面部表情跟踪描绘中的边缘特征量

由于外界环境的不确定性和人脸的复杂性,人脸表情的跟踪与计算机形象描绘是一个较难问题.基于此问题,提出了一种有别于模式识别、样本学习等传统手段的较为简单解决方法,在视频采集条件下,分析帧图像,通过对比多种边缘检测方法,采用一种基于边缘特征提取的人脸表情建模方法,来完成用于表情描绘的面部特征量提取与建模,并结合曲线拟合和模型控制等手段,进行人脸卡通造型生成和二维表情动画模拟.实现了从输入数据生成卡通造型画并真实地表现出表情变化情况.     

极低码率下的2D-3D人脸视频编解码

针对动态变化背景下的人脸视频编解码问题,该文提出了一种2D-3D混合编解码系统;具体包括:(1)基于多种观测信息,在线外观模型和粒子滤波的人脸三维运动跟踪;(2)结合参数模型与肌肉模型的3D人脸动画合成;(3)基于头发检测和3D头发模型的头发合成;(4)无缝地拼接前景的三维编解码结果和背景的二维编解码结果.在极低码率下,客观实验表明,该系统在编码效率和解码质量上有较好的综合优势.主观实验表明,该系统的解码结果在脸部具有较高的辨识度.     

多人脸跟踪与最佳人脸提取

针对视频人脸识别系统中同一人脸重复识别的问题,文中提出了一种多人脸跟踪与最佳人脸提取的方法。通过ViBe算法提取运动区域,缩小数据处理区域及确定执行人脸检测;利用Haar特征结合AdaBoost算法检测人脸,并根据肤色检测判断是否有误检;利用CamShift算法跟踪人脸;再使用Sobel算子得到清晰的人脸图片。实验表明,该方法下人脸误检率由2.8%降到0.2%,对于100帧视频平均处理时间从原始每帧112 ms降低到了45.6 ms,其处理速度明显提升。     

基于隐马尔可夫模型(HMM)的人脸表情识别

人脸表情识别是目前的研究热点．文中介绍了人脸表情识别的过程，给出了基于隐马尔可夫模型（HMM）的人脸表情识别方法．通过分析人脸表情的变化情况，利用二维离散余弦变换（2D—DCT）提取脸部表情特征，经过大样本训练构建HMM模型来识别图像中的人脸表情．实验结果表明该方法是一种高效的面部表情识别方法。     

融合时空特征的视频序列表情识别

针对视频表情识别,静态特征不能有效描述人脸区域沿时间轴动态变化信息的局限,该文提出一种融合动态纹理信息和运动信息的表情识别方法,借鉴LBP-TOP原理,提出具有时空域描述能力的时空韦伯局部描述子(STWLD)来提取动态纹理信息,同时采用分块光流直方图(BHOF)描述运动信息,最后利用SVM对融合后的纹理和运动信息完成表情分类。在CK+和MMI表情数据库上的交叉实验结果表明,相比基于单一特征的识别方法,所提方法取得了更好的效果;与其他相关方法的对比实验也验证了该方法的优越性。     

基于人脸识别的课堂教学监控系统分析

本文设计并开发了一款基于人脸识别的课堂教学监控系统,该系统通过识别学生上课的表情信息,分析课堂教学情况。首先提出一种基于图像递归切割和OpenCV的人脸检测方法,以提高人脸检测召回率;然后使用百度AI开放平台的在线接口识别人脸表情信息,并将信息插入数据库;最后根据学生表情信息分析低头率、活跃度等课堂情况。实际部署测试后分析了系统的运行效果及时间消耗,结果表明该系统可有效监控课堂教学情况。     

基于高光谱成像技术的运动人脸姿态识别方法

运动人脸姿态受到不规则光谱分布的干扰导致检测的准确性不好,提出基于高光谱成像技术的运动人脸姿态识别方法。采用高光谱视觉成像技术进行运动人脸姿态图像视觉信息采样,采用多层特征分解方法提取运动人脸姿态高光谱图像的边缘轮廓特征量,结合视觉信息重构的方法进行运动人脸姿态光谱特征检测,建立运动人脸姿态的光谱分布结构模型,采用活动轮廓套索模型进行运动人脸姿态高光谱图像角点信息标记,根据角点特征提取结果进行人脸的关键特征点标注,根据运动人脸姿态高光谱图像的特征分布实现运动人脸姿态识别。仿真结果表明,采用该方法进行运动人脸姿态识别的准确性较高,特征分辨能力较强,提高了运动人脸姿态信息检测和特征提取能力。     

银行营业场所智能视觉监控系统

介绍一种自动人脸检测与跟踪的智能视觉监控系统,它可以获取进入银行营业场所人员的清晰正面像.结合自适应阚值判定运动像素点分离运动目标、肤色特征、多级Adaboost分类器和Hausdorff距离实现实时人脸定位;用检测到的人脸位置来初始化跟踪算法实现快速人脸跟踪;以及基于对象的视频编码传输以及算法的DSP实现.     

一种基于人脸表情识别的软件自动换肤技术研究

人脸表情识别和软件换肤分别作为人机交互中的智能化和人性化技术得到了深入的研究.文中结合以上两种技术提出了基于人脸表情识别的软件界面自动换肤思想,介绍了一种软件界面自动换肤系统的设计,并讨论了主成分分析检测定位模型.仿真结果证明了该方案的可行性.     

脸部动画中的肌肉和皮肤动态模型

本文提出了以脸部组织学、解剖学和生物力学特点为基础的脸部肌肉和皮肤运动的动态模型, 该模型以分层设计的规则逻辑网格构造脸部轮廓,以脸部动作编码系统的运动单元为依据建立分层仿真的组织模型,采用肌肉的动力和弹力性能及皮肤层的体保持力和位恢复力性能控制脸部组织运动, 从而产生相应的脸部表情的动画.     

基于多视觉描述子及音频特征的动态序列人脸表情识别

关于面部表情识别的应用也正在渗透至各个领域,如安全驾驶、商品销售、临床医学等等.本文对面部表情识别相关技术进行研究,主要工作及贡献如下：研究非约束条件下人脸动态表情识别,提出了一种基于多视觉描述子及音频特征融合策略的动态表情识别算法.借助多视觉描述子的空时局部特征描述实现动态表情特征的提取;而视频、音频特征的融合策略改善了表情识别性能.基于协方差矩阵及时间轴分段的动态规整,有效地解决了具有不同时长的动态表情序列的样本描述.为进一步改善表情识别模型的泛化性能,本文引入了基于多个体识别模型加权投票的集成识别模型.针对投票过程中的权值学习,提出了基于随机重采样的投票权重学习以及基于个体分类模型相对优势的投票权重学习方法.集成决策进一步改善了表情识别性能.基于AFEW5.0的动态表情库实验验证了算法的有效性.     

Learning discriminative motion feature for enhancing multi-modal action recognition

Video action recognition is an important topic in computer vision tasks. Most of the existing methods use CNN-based models, and multiple modalities of image features are captured from the videos, such as static frames, dynamic images, and optical flow features. However, these mainstream features contain much static information including object and background information, where the motion information of the action itself is not distinguished and strengthened. In this work, a new kind of motion feature is proposed without static information for video action recognition. We propose a quantization of motion network based on the bag-of-feature method to learn significant and discriminative motion features. In the learned feature map, the object and background information is filtered out, even if the background is moving in the video. Therefore, the motion feature is complementary to the static image feature and the static information in the dynamic image and optical flow. A multi-stream classifier is built with the proposed motion feature and other features, and the performance of action recognition is enhanced comparing to other state-of-the-art methods.     

Facial expression feature extraction using hybrid PCA and LBP

In order to recognize facial expression accurately, the paper proposed a hybrid method of principal component analysis (PCA) and local binary pattern (LBP). Firstly, the method of eight eyes segmentation was introduced to extract the effective area of facial expression image, which can reduce some useless information to subsequent feature extraction. Then PCA extracted the global grayscale feature of the whole facial expression image and reduced the data size at the same time. And LBP extracted local neighbor texture feature of the mouth area, which contributes most to facial expression recognition. Fusing the global and local feature will be more effective for facial expression recognition. Finally, support vector machine (SVM) used the fusion feature to complete facial expression recognition. Experiment results show that, the method proposed in this paper can classify different expressions more effectively and can get higher recognition rate than the traditional recognition methods.     

Reliable tracking of facial features in semantic-based video coding

A new method of tracking the position of important facial features for semantic-based moving image coding is presented. Reliable and fast tracking of the facial features in head-and-shoulders scenes is of paramount importance for reconstruction of the speakers motion in videophone systems. The proposed method is based on eigenvalue decomposition of the sub-images extracted from subsequent frames of the video sequence. The motion of each facial feature (the left eye, the right eye, the nose and the lips) is tracked separately; this means that the algorithm can be easily adapted for a parallel machine. No restrictions, other than the presence of the speaker's face, were imposed on the actual contents of the scene. The algorithm was tested on numerous widely used head-and-shoulders video sequences containing moderate head pan, rotation and zoom, with remarkably good results. Tracking was maintained even when the facial features were occluded. The algorithm can also be used in other semantic-based systems     

基于活动外观模型的人脸表情分析与识别

分析了用活动外观模板(AAM)提取的人脸表情特征来进行人脸表情识别(FER)的可行性,尝试了以此特征向量为基础的FER。根据人脸图像的特点．先用特征眼的方法定位眼睛区域,再采用AAM的优化算法获取新对象的特征,缩短了AAM方法定位新对象的优化时间,提高了定位的准确度。采用秩相关分析和非度量多维标度(nMDS)等多变量统计学方法分析得出AAM方法提取的表情特征能够很好地表达表情的变化,并构造了神经网络分类器对人脸表情图像进行识别实验,得到93．5％的识别率。     

一种用于表情识别的局部判别简

 在判别分量分析算法的基础上,提出了一种针对人脸表情识别任务的局部判别分量分析算法.首先该算法为每个测试样本选取了一组近邻训练样本,获取了训练集的局部样本结构.然后在最大化判别样本子集协方差的同时,最小化样本子集内所有数据的协方差,从而有效地提取了测试样本的表情特征.在多个人脸表情数据库上的实验结果表明,该算法不但提高了判别分量分析算法的表情识别率,而且具有较强的鲁棒性.     

人脸面部表情识别的研究进展

随着信息和计算机技术的飞速发展,人脸面部表情识别技术越来越受到重视.本文综述了近年来人脸面部表情识别的研究进展.首先对面部表情识别技术的研究背景和发展历程作了简单的回顾,然后着重介绍了几种主要的识别方法,并力争从理论上对各种方法进行分析和比较,最后简单地讨论了进一步提高面部表情识别率的难点和必须考虑的几个重要方面,进而展望了人脸面部表情识别技术的发展方向.