基于主动形状模型的人脸特征建模

论文基于主动形状模型,提出了一种新的人脸特征建模方法,并详细介绍了唇部形状的建模过程。该方法从人脸数据库中提取一定的训练集,对唇部形状进行标注、校准和统计分析,可以得到唇部的变形模式,每种变形模式对应形状协方差矩阵的一个特征值,而最大的N(N<10)个特征值对应的主要变形模式可以还原出98%的形状变化。实验证明,该方法以非常小的信息损失为代价,仅用少量的参数就可以描述绝大部分的视觉特征。     

条件主动外观模型下的人脸特征点跟踪

为了完成人脸关键特征点的精确定位跟踪,提出一种改进的基于反向合成匹配算法的条件主动外观模型匹配及其初始化算法.该算法假设已知正面人脸的关键特征点,首先通过建立散乱点对应与标定点对应之间的映射,根据给定的正面人脸标定点对任意姿态的侧面人脸进行自动初始标定,映射关系由核岭回归算法学习得到;将该标定点作为人脸跟踪算法的初始化点,然后利用条件主动外观模型反向合成匹配算法建立正面与任意姿态人脸的外观和形状模型,并对模型参数进行迭代优化;最后得到最优的任意姿态人脸的轮廓点,完成人脸跟踪.实验结果证明,与同类方法相比,该算法表现出了良好的性能,可在较短的计算时间内获得较高的定位精度.     

利用主动外观模型合成动态人脸表情

人脸表情发生变化时,面部纹理也相应地改变;为了方便有效地模拟这一动态的表情变化过程,提出一种基于主动外观模型的人脸表情合成方法.首先离线学习人脸表情与人脸形状和外观参数之间的关系,利用该学习结果实现对输入人脸图像的表情合成;针对合成图像中眼睛和牙齿模糊的缺点,利用合成的眼睛图像和牙齿模板来替代模糊纹理.实验结果表明,该方法能合成不同表情强度和类型的表情图像;合成的眼睛图像不仅增强了表情的真实感,同时也便于实现眼睛的动画.     

真实感3D人脸快速建模研究*

现有的三维人脸建模方法存在三点不足：建模条件苛刻、建模精度不高和建模时间长。针对以上不足,提出明暗恢复形状（SFS）和局部形变模型融合的3D人脸建模方法。该方法利用SFS快速恢复3D人脸粗糙数据,得到3D轮廓脸;然后分别对人脸不同局部应用形变模型恢复其局部3D精确数据,并使用其对轮廓脸进行内插平滑处理重建出高精度3D人脸模型。实验结果表明：该方法能够获得较好的建模精度,在短时间内可以通过单幅真实图像重建出个性化的三维人脸模型。     

基于主动形状模型的人脸定位研究与实现

研究基于主动形状模型ASM(Active Shape Model)的人脸定位的原理、方法和过程,包括计算新位置、计算形状和姿态参数、参数更新等,进行了实验并分析了结果.实验表明,主动形状模型用于人脸定位效果良好.     

基于3D人脸识别研究的探索

2D人脸识别技术目前已经成熟,但由于单一的2D图像不能提供识别所需要的完整信息,所以识别精度难以提高。在人脸识别过程中,特征提取是影响识别效果的一个重要环节,该文在传统的主成分分析法和由此改进的2DPCA方法的基础上提出了3D人脸识别方法,该方法将人脸图象分为几个部分分别进行特征提取,充分考虑每个部分所包含的特征信息量的多少,在分类时赋予它们不同的权值。因此将人脸用立体图像来表示进行识别,以提高其精度是目前极富挑战性的前沿课题。     

3D人脸识别技术

科学技术的飞速发展,很多高新技术都在各行各业得到了广泛应用,也在各个领域内掀起了一股科技改革浪潮,3D人脸识别技术就是其中的典型代表,3D人脸识别技术的应用领域已经越来越广泛.主要介绍了几种主流的3D人脸识别技术,包括基于三维数据的3D人脸识别技术和基于二维图形的3D识别技术.     

基于样例学习的任意光照下的人脸3D重建方法

待匹配的人脸图像与数据库中的原型图像之间的光照差异是自动人脸识别的主要瓶颈问题之一。提出了一种基于样例学习方式的3D人脸形状重建方法,既可以生成任意光照条件下的数据库中人脸图像,也可以对待识别图像进行重新光照,合成无阴影的图像。该方法在建立人脸数据库时利用光度立体技术分离人脸图像的纹理和形状信息,并用多面体模型在最小二乘意义下恢复其3D信息并更新法向量场以克服阴影误差,从而可以利用计算机图形学的方法合成任意光照条件下和小角度姿态改变时的人脸图像;在识别时采用数据库中3D数据的线性组合形式对输入图像建模,以估计其3D信息,从而可以重新照明。在YaleB人脸数据库上的实验表明,在建立3D人脸数据库后,该方法可以快速恢复输入单幅图像中人脸的3D信息,并生成任意光照条件的该人脸图像。     

面向应用的个性化3D人脸模型快速生成技术

真实感3D人脸模型生成技术是计算机图形领域研究的热点问题之一,但已有的相关方法存在真实感差、算法复杂度高、局限性多、实用性弱等问题．在分析3D人脸模型姿态矫正和模型变换方法基础上,研究基于一张人脸正面图像和普通3D人脸模型、采用关键特征点匹配和真实感纹理映射方法构建个性化3D人脸模型的方法,最后利用基于C＋＋和OpenGL实现的原型系统进行实验分析．实验结果表明该方法计算简单、建模效率高,且适用于影视特效制作、3D网络游戏、医学美容等领域．     

Direct3D文件模型

本文介绍如何使用Direct3D建模工具制作三维模型,包括模型文件格式转换、将模型加栽到程序并创建网格模型对象、提取模型材质和纹理信息以及模型渲染等,最后给出使用文件模型的几点建议。     

三维人脸建模研究的进展与展望

介绍三维人脸建模的研究目的及内容,分析该领域的研究热点和方向,以及未来的技术应用与发展.三维人脸建模及动画技术是计算机图形学研究的一个热点,人脸以其普遍性和易用性成为众多三维建模算法的实践平台,同时又由于人脸的复杂性和易变性,三维人脸建模也是一个极具挑战性的研究课题.     

一种自动鲁棒的三维人脸重建方法

三维人脸模型已经广泛应用到视频电话、视频会议、影视制作、电脑游戏、人脸识别等多个领域。目前三维人脸建模一般使用多幅图像，且要求表情中性。本文提出了基于正、侧面任意表情三维人脸重建方法。首先对二维图像中的人脸进行特征提取，然后基于三维人脸统计模型，通过缩放、平移、旋转等方法，及全局和局部匹配，获得特定的三维人脸。基于二维图像中的人脸纹理信息，通过纹理映射，获得完整的三维人脸。通过对大量实际二维人脸图像的三维人脸重建，证实了该方法的有效性和鲁棒性。     

三维人脸建模与应用

三维建模是计算机视觉和计算机图形学领域中一个基本的问题，人脸借助其特有的普遍性和易用性成为众多先进三维建模算法的实验平台。但是由于人脸的复杂性、易变性，建立逼真的三维人脸模型成为众多研究者挑战的课题。本文分析了三维人脸建模的研究内容和研究难点，总结了1990年以来出现的最新方法和进展，从三维数据的获取、标准三维人脸建模、特定三维人脸建模及应用等三维建模的几个主要环节进行了分类综述，重点介绍了一些主要算法的基本思路和最新进展，并对该领域的研究热点和方向作了较为详细的分析。     

一种个性化人脸三维建模方法

描述了一种特定人的人脸三维建模方法,该方法用该人的正面及侧面人脸两张照片,通过选择关键特征点,在基本人脸模型基础上,经过变形,得到特定人脸三维网格模型。再经纹理匹配,获得特定人的三维人脸模型。该方法已在微型计算机上进行了模拟,并成功地获得酷似真人的人脸三维模型。     

利用现有模型修复不完整三维模型

针对通过扫描得到的三维模型经常不完整的问题,提出一种利用现有模型修复不完整扫描模型的方法.首先构建三维源模型库,将现有模型经过选取特征点等处理作为模型库中的源模型;然后选取待修复模型的特征点,通过比较源模型特征点和待修复模型特征点的一致程度,选择出合适的源模型;最后,通过匹配、变形、合并等步骤自动修复不完整模型,得到完整的三维扫描模型.实验结果表明,该方法能很好地修复不完整模型,得到的修复结果是既包含待修复模型的所有组成部分,又对其残缺部分进行合理修复的完整三维模型.     

特定三维人脸建模方法综述

介绍人脸建模的研究背景、研究内容以及研究热点,总结近期三维人脸建模的常用方法及优缺点,展望今后人脸建模的研究方向。三维建模是计算机视觉和计算机图形学领域中一个基本的问题,人脸因其普遍性和特殊性,成为众多研究人员的研究目标。     

基于二维Gabor小波特征的三维人脸识别算法

分析三维人脸识别技术,提出一种基于Gabor小波特征的三维人脸识别算法。该算法采用二维Gabor小波特征精确且稳定地描述人脸特征,重建三维人脸模型并对其进行模板匹配,对匹配后的三维人脸模型进行线性判别分析。对基于ORL和UMIST两个人脸数据库的实验结果表明,该算法性能优良。     

基于支持向量回归机的三维人脸建模方法研究

提出一种新的三维人脸建模方法,该方法首先运用双目立体视觉原理从不同角度获得人脸的两张照片,在一张照片上选定特征点,通过匹配在另一张照片上得到对应的特征点,然后从空间立体几何知识出发,根据两张照片上特征点的坐标以及拍摄时的参数,计算其三维坐标,利用支持向量回归机(SVR)对其进行回归预测建模,最后经纹理贴图,得到具有纹理特征的特定三维人脸模型。仿真实验结果表明,该方法获得的三维人脸模型较为逼真。     

人脸识别:从二维到三维

人脸识别是生物特征识别技术的一个重要方向。虽然目前大部分研究都还只是针对二维人脸图像,但是3D人脸模型包含更丰富的人脸信息,有助于机器对人脸的识别。从二维到三维,人脸识别研究进入了一个新的阶段。从3D人脸数据的获取方式入手,介绍最近提出的一系列3D人脸识别算法,并进行归类。最后提出"有针对性地获取3D人脸模型数据是进行有效识别的基础"这一结论。     

The Painful Face - Pain Expression Recognition Using Active Appearance Models

Pain is typically assessed by patient self-report. Self-reported pain, however, is difficult to interpret and may be impaired or in some circumstances (i.e., young children and the severely ill) not even possible. To circumvent these problems behavioral scientists have identified reliable and valid facial indicators of pain. Hitherto, these methods have required manual measurement by highly skilled human observers. In this paper we explore an approach for automatically recognizing acute pain without the need for human observers. Specifically, our study was restricted to automatically detecting pain in adult patients with rotator cuff injuries. The system employed video input of the patients as they moved their affected and unaffected shoulder. Two types of ground truth were considered. Sequence-level ground truth consisted of Likert-type ratings by skilled observers. Frame-level ground truth was calculated from presence/absence and intensity of facial actions previously associated with pain. Active appearance models (AAM) were used to decouple shape and appearance in the digitized face images. Support vector machines (SVM) were compared for several representations from the AAM and of ground truth of varying granularity. We explored two questions pertinent to the construction, design and development of automatic pain detection systems. First, at what level (i.e., sequence- or frame-level) should datasets be labeled in order to obtain satisfactory automatic pain detection performance? Second, how important is it, at both levels of labeling, that we non-rigidly register the face?