基于二代身份证照的多姿态人脸图像生成

研究单样本如何转化为普通模式识别问题,在平面范围内通过简单二维变换操作生成多张不同的虚拟图像,同时考虑三维空间内人脸姿态问题,在二维平面内映射三维运动,生成具有真实感的多姿态人脸图像。并分析了目前文献中相关方法存在的不足,在已有方法的基础上提出一种改进型异步旋转映射方法。实验结果表明,生成的图像具有姿态旋转、畸变率少、真实感好,且识别率较原方法得到了有效提高。     

多姿态人脸图像合成

提出了一种从单张旋转人脸图像合成正面人脸图像的方法。首先把测试人脸图像表示为形状向量和纹理向量,用线性物体类的理论来合成正面形状和纹理,之后把测试图像的纹理和合成的纹理结合产生最终的正面纹理,最后应用分段三角形拉伸算法把合成的纹理和形状结合起来,生成了测试人脸的正面图像。实验结果表明,该方法能有效地从单张旋转人脸图像合成正面人脸图像,合成正面人脸图像使识别率大幅提高。     

基于正交视图的多姿态人脸识别算法

针对传统基于多视图的多姿态人脸识别方法的缺陷，即需要对每个人脸拍摄多个视图为前提条件，提出了基于正交视图的多姿态人脸识别技术，首先根据特定人的正交视图建立出特定人的3D模型，然后将3D模型进行任意角度的投影产生出多姿态人脸图像，然后基于该正交视图和生成的多姿态图像进行多姿态人脸识别。实验结果表明该算法识剐的正确率远高于基于单前视图的算法。     

基于层次模型和融合决策的多姿态人脸识别技术

该文提出了基于层次模型和融合决策的多姿态人脸识别技术,它首先把各人脸按姿态分成几个大类,并且对各大类按人脸个体分成相应子类,然后对各个大类分别进行基于特征脸的人脸识别,最后对各个姿态的人脸识别中间结果进行融合决策得到真正的人脸识别结果,该算法同时也提供了其姿态识别结果,并且大大减小了耗时,该文算法对ORL,UMIST,Stirling数据和一些自拍数据共1200幅人脸图像进行了识别测试实验,其结果令人鼓舞。     

基于生成对抗网络的多姿态人脸识别算法

头部姿态角转换会造成人脸成像多姿态变化,人脸离散数据的高斯分布混乱,无法准确地反映人脸多姿态的任意性和连续性,存在识别效果差的问题。引入生成对抗网络理论,设计多姿态人脸识别算法。对获取到的不同角度人脸图像,实施多姿态人脸校正与旋转残差注意力计算,解决当前头部姿态估计方法对不同人脸兴趣区域不稳健的问题。设计生成对抗网络进行双路循环优化,在生成的对抗网络中,参考CASIA-Net网络结构,使用深层次网络结构,每一层都有一个3*3的卷积核。所提出的设计可以降低网络参数,增强网络的非线性度,实现高效的面部特征提取,构建人脸多姿态识别模型,并完成人脸识别。通过实验结果表明,所提算法针对多姿态人脸识别效果好,在人脸不同姿态变化过程中,识别率始终在97%以上,更适用于多姿态人脸识别。     

多视图三维人脸重建方法研究

人脸信息包含每个人的外貌、表情信息。对人脸进行三维重建,重建后的人脸信息能够广泛地应用于人脸识别门禁系统、人脸动画角色以及医美整形等行业,具有重要的研究价值。目前,三维人脸重建存在一些遮挡和大姿态等问题,其中大部分人脸重建方法是从单张图片入手,模型效果较差,而多张图片的信息综合利用更有助于人脸信息的重建。为此,本文围绕基于传统方法的多视图人脸重建和基于深度学习方法的多视图人脸重建展开详细阐述,并对多视图人脸重建领域进行总结与展望。     

基于生成对抗网络的人脸属性图像生成

生成对抗神经网络是目前深度学习的热门研究方向,而人脸属性生成是重要研究分支之一,为解决目前关于人脸属性生成时导致背景出现颜色变化、扭曲、模糊,并且人脸生成后出现图片失真和其它面部属性有不同程度的变化,通过改进STGAN的网络结构,主要改进其网络归一化层,使得网络训练属性的精确度更高方法,合理控制属性幅度从而提高生成效果...     

基于图像的人脸绘制

基于图像的绘制技术由于对场景几何复杂度依赖性较小,且能在普通的硬件平台上实现复杂场景的实时绘制,因而成为当前图形学的一个新的研究热点.文中主要研究图像和视图变形.图像变形是计算机动画中常用的算法之一,运用这项技术对图像的形状和颜色进行插值可产生动态效果;视图变形技术使得图像变形的含义从二维扩展到三维,其本质是基于同一场景的两幅图像,获得新的虚拟视点图像.通过实拍人脸图像测试,说明所提出的算法是确实可行的.     

基于形状约束Snake模型的人脸轮廓提取

提出了一种具有形状约束的人脸轮廓提取算法,该算法根据人脸形状近似椭圆的特征,在S12ake的能量函数中加入形状能量,使控制点间的联系得到加强,以提高收敛结果的准确性,实验结果表明,提出的方法能够较好地提取复杂背景中的人脸轮廓,是一种有效的方法.     

面向视频图像的人脸检测与识别分析

目前,人脸检测与识别在各行各业中均得到了深入应用.随着人工智能神经网络技术发展逐渐成熟,相关工程方案已经进入社会生活,使人脸检测、识别需求大幅提升.在这种背景下,应当重视基于视频图像的人脸检测与识别工作,确保其能够得到有效处理,避免产生丢失问题,实现理想应用目标.本文主要针对视频图像人脸检测、识别进行深入研究,并提出解...     

K近邻和最小二乘支持向量机相融合的人脸识别

为了获得更加理想的人脸识别结果,提高人脸识别正确率,提出一种K近邻和最小二乘支持向量机相融合的人脸识别方法(KNN-LSSVM)。首先采集人脸图像,提取人脸图像特征,并采用KNN删除特征向量中的重复特征,得到人脸图像的特征向量;然后将特征向量输入到最小二乘支持向量机训练,建立相应的人脸分类器;最后采用ORL人脸数据库和Yale人脸库进行仿真实验。仿真结果表明,KNN-LSSVM提高了人脸识别的正确率和识别效率,且具有较强的鲁棒性。     

基于Kinect的虚拟视点生成技术

传统的多视点生成方法是基于多相机阵列系统的关键技术。现提出了基于Kinect的多视点成像计算方法。首先对Kinect的深度图使用三边滤波器进行平滑,根据修复好的深度图配合彩色图,利用DIBR技术生成多个存在空缺信息的彩色视点;最后结合彩色图的纹理结构信息和深度图的背景信息对有丢失信息的彩色图进行修复。实验结果表明,文中提出的深度修复方法能够有效地修补Kinect的深度图,生成的虚拟视点图在3DTV上效果明显,立体视觉效果显著。     

Variational Feature Representation-based Classification for face recognition with single sample per person

The single sample per person (SSPP) problem is of great importance for real-world face recognition systems. In SSPP scenario, there is always a large gap between a normal sample enrolled in the gallery set and the non-ideal probe sample. It is a crucial step for face recognition with SSPP to bridge the gap between the ideal and non-ideal samples. For this purpose, we propose a Variational Feature Representation-based Classification (VFRC) method, which employs the linear regression model to fit the variational information of a non-ideal probe sample with respect to an ideal gallery sample. Thus, a corresponding normal feature, which reserve the identity information of the probe sample, is obtained. A combination of the normal feature and the probe sample is used, which makes VFRC method more robust and effective for SSPP scenario. The experimental results show that VFRC method possesses higher recognition rate than other related face recognition methods.     

Multi-manifold metric learning for face recognition based on image sets

In this paper, we propose a new multi-manifold metric learning (MMML) method for the task of face recognition based on image sets. Different from most existing metric learning algorithms that learn the distance metric for measuring single images, our method aims to learn distance metrics to measure the similarity between manifold pairs. In our method, each image set is modeled as a manifold and then multiple distance metrics among different manifolds are learned. With these distance metrics, the intra-class manifold variations are minimized and inter-class manifold variations are maximized simultaneously. For each person, we learn a distance metric by using such a criterion that all the learned distance metrics are person-specific and thus more discriminative. Our method is extensively evaluated on three widely studied face databases, i.e., Honda/UCSD database, CMU MoBo database and YouTube Celebrities database, and compared to the state-of-the-arts. Experimental results are presented to show the effectiveness of the proposed method.     

Research on a face recognition algorithm based on 3D face data and 2D face image matching

Under the condition of weak light or no light, the recognition accuracy of the mature 2D face recognition technology decreases sharply. In this paper, a face recognition algorithm based on the matching of 3D face data and 2D face images is proposed. Firstly, 3D face data is reconstructed from the 2D face in the database based on the 3DMM algorithm, and the face depth image is obtained through orthogonal projection. Then, the average curvature map of the face depth image is used to enhance the data of the depth image. Finally, an improved residual neural network based on the depth image and curvature is designed to compare the scanned face with the face in the database. The method proposed in this paper is tested on the 3D face data in three public face datasets (Texas 3DFRD, FRGC v2.0, and Lock3DFace), and the recognition accuracy is 84.25%, 83.39%, and 78.24%, respectively.     

Model-based analysis synthesis image coding (MBASIC) system for a person's face

The initial conception of a model-based analysis synthesis image coding (MBASIC) system is described and a construction method for a three-dimensional (3-D) facial model that includes synthesis methods for facial expressions is presented. The proposed MBASIC system is an image coding method that utilizes a 3-D model of the object which is to be reproduced. An input image is first analyzed and an output image using the 3-D model is then synthesized. A very low bit rate image transmission can be realized because the encoder sends only the required analysis parameters. Output images can be reconstructed without the noise corruption that reduces naturalness because the decoder synthesizes images from a similar 3-D model.

In order to construct a 3-D model of a person's face, a method is developed which uses a 3-D wire frame face model. A full-face image is then projected onto this wire frame model. For the synthesis of facial expressions two different methods are proposed; a clip-and-paste method and a facial structure deformation method.     

自适应判别分析在单样本人脸识别中的研究

在每个人只有单个样本(Single Sample per Person,SSPP)的情况下,很多人脸识别方法将不能很好地工作,因为它们需要每人有一个以上的样本来估计类内散布矩阵。为了解决这个问题,提出了一种自适应判别分析(Adaptive Discriminant Analysis,ADA)方法,借助于一个每人多样本的通用训练集,推断出每个对象的类内散布矩阵,然后再运用传统的经典方法进行特征提取。最后,在FERET及Yale两大通用人脸数据库上运用KNN及Lasso回归两种分类器对所提方法进行了实验,实验结果表明,与几种先进的方法相比较,ADA在处理SSPP问题上取得了更好的效果。     

图像纹理合成的研究应用

在此介绍了纹理和纹理合成的基本概念,给出了纹理合成常见的几种算法,通过分析块拼接纹理合成算法,对块拼接纹理合成算法进行改进,将块拼接的原理应用到图像拼接上,并对象素加入与人视觉有关的权值进行接缝处理。实验结果表明,该方法简单实用,对于基本的由不同方位拍摄的图像都可以通过该算法进行拼接,并通过对接缝处的处理,取得了较好的结果。