基于KLT和BFGS的人脸姿态估计

在对给定的人脸图像序列准确提取正面人脸特征点后,利用改进的KLT方法跟踪非正面人脸图像的特征点。根据人脸形状特性,使用人脸的多个特征点作为人脸模型。在近似估计人脸姿态后,以改进的BFGS算法精确估计3D人脸空间姿态。实验结果证明,该方法可以获得唯一的3D人脸空间姿态,相比同类方法有更好的姿态估计精确度。     

基于多点模型的3D人脸姿态估计方法

改进传统的活动形状模型法,准确地提取人脸特征点后,针对人脸形状特性,使用人脸的多个特征点作为人脸模型,通过最小二乘法优化求解,精确估计3D人脸空间姿态。实验结果表明,新方法不仅可以获得稳定的姿态解,而且与同类方法比较具有良好的姿态估计精确度。     

一种快速高效的人脸特征点定位方法

针对传统人脸特征点定位方法中存在的算法复杂、鲁棒性差以及精确度低等不足,提出一种基于局部特征区域快速高效的人脸特征点自动定位方法。首先对经过预处理后的人脸图像利用改进的积分投影算法结合肤色特性实现人脸区域的精确定位;然后在人脸区域内根据各特征部位的特性标定其特征区域;最后在特征区域内完成人脸特征点的自动定位。实验结果表明,该算法简单、具有较高的鲁棒性,且能够快速高效地实现人脸特征点定位。     

基于ASM和Gabor变换的人脸识别

人脸形状特征的变化是造成人物面貌差异的重要原因之一。主动形状模型(ASM)技术提供了检测该特征的有力手段。Gabor变换有着良好的仿生特性。它提供了理解视觉信息的有效途径。结合上述技术,采用点分布模型对人脸形状进行描述,利用ASM进行人脸特征点的搜索。以特征点上的Gabor展开系数作为人脸特征矢量,进行人脸辨识,实验结果表明,该算法能够在少量训练样本的情况下获得较高的识别率,并对光照、人物表情等变化具有较好的适应性。     

一种稳定的人脸轮廓模型

用Harris算子提取被测人脸上受表情影响较小的几个关键特征点,由这些特征点的相对座标位置与正面人脸模型中对应点的相对座标位置之间的转化关系估计出被测人脸的姿态向量,用此姿态向量与提取的点建立一个综合人脸轮廓模型。由于所提取的特征点受人脸表情变化影响很小,在模型中又正确估计了人脸姿态,因此,此模型可以很好地抑制人脸表情和姿态变化的影响,适合于作为识别人脸的依据。     

学习情景中表情特征数据的提取研究

论文讨论了在学习情景中如何提取表情特征数据的方法。提取的数据包括眼帘间距和嘴角弧度,分别用于关注度与愉悦度的研究。在人脸图像上,先使用几何特征法划定出人眼的大概区域,再通过复杂度的计算与积分投影定位出双眼,以色调为依据制定搜索算法获得眼帘间距。在定位出双眼的基础上,进行嘴角与下唇中心点的定位,由三个特征点的坐标值计算出嘴角的弧度。实验证明该方法对不同的人脸图片有较好的适应性,较准确地提取出了所需的数据。     

双目视觉下基于区域生长的三维人脸重建算法

为解决传统立体匹配算法匹配低纹理人脸图像时极易产生误匹配的问题,提出一种基于区域生长的人脸立体匹配算法。该算法利用级联回归树算法提取的人脸特征点将人脸划分为不同区域以分别限制各区域的视差搜索范围,从而避免在全局范围上查找匹配点;同时利用人脸的局部形状特性,采用局部曲面拟合的方式筛除误匹配种子点并生成大量可靠种子点用于区域生长;最后,分别在实验室环境采集的人脸图像和FRGC v2.0人脸数据库上进行定性和定量实验。实验结果表明,与传统算法相比,所提算法能够重建出更加准确的三维人脸模型。经点云配准后与人脸点云真实值的均方根误差在2 mm以内,且不同光照、姿态、表情下人脸图像的重建表明所改进的立体匹配算法具有较好的鲁棒性。     

基于自监督深度学习的人脸表征及三维重建

非约束条件下,由于传统神经网络对于单个个体人脸表情变化过于敏感而对不同个体间人脸灵敏度有限,从而导致构建的三维模型几何特征与个体不匹配。针对上述问题,提出一种基于具有较强鲁棒性的自监督深度学习的人脸表征及三维重建算法,有效利用二维人脸的特征点信息自动映射到三维空间中实现三维人脸重建。选用Efficient Net为主体框架获取面部特征向量及三维形变模型参数,并在孪生神经网基础上引入对比损失函数扩大类间间距,减少类内间距,同时提出身份损失函数保留特征空间中同一个体的身份信息增强对形变的鲁棒性。在300W—LP和AFLW2000—3D数据集上,该算法均有不错的表现。     

基于人脸侧影线角点检测的鼻尖点定位方法

为实现人脸表情及姿态变化下,鼻尖点的快速准确定位,提出一种基于人脸侧影线角点检测的鼻尖点定位方法。首先利用柱状人头模型,进行人脸姿态粗矫正;然后通过旋转投影法提取人脸的侧影轮廓线,并基于B样条尺度空间检测侧影线角点,根据角点位置定位鼻尖点候选区域;最后根据鼻尖点的形状特征及凸出特性准确定位鼻尖点位置。在CASIA 3D和BOSPHORUS三维人脸数据库的实验结果表明,该方法对表情和姿态鲁棒性较好,且定位精度优于基于先验信息和基于统计模板的方法。     

一种人脸图像的匹配识别方法

为进行人脸图像的识别，需要提取面部图像的特征点，通过提取鼻尖、眼角、鼻角、嘴角等特征点，并且以鼻尖作为基准点，分别与两只眼睛的左右眼角以及左右两个鼻角和两个嘴角等构成11维特征向量，作为标准人脸特征向量存入数据库。在分析某人脸图像时，按上述方法提取特征点构成11维特征向量，并与数据库中的特征向量进行对照匹配，当数据接近或匹配时，则认为是同一个人。实验证明，该系统的识别率达到设计要求。     

基于测地距离的KPCA人脸识别

针对人脸检测数据集中的信息均为高维特征向量且人脸识别易受表情变化影响等问题,本文提出一种基于测地距离的KPCA人脸识别方法,该方法利用非线性方法提取主成分。先采用KPCA方法把人脸数据映射到高维空间,进而在高维空间中提取人脸的主成分,其中核函数为多项式核函数;然后引入测地距离替换原来的欧氏距离进行相似度量,其能更准确地测量出两像素点间的实际距离,使得人脸识别率受表情变化影响小。该方法不但可以实现降维,而且还能达到有效提取特征的目的。在ORL人脸库上的实验结果表明,该方法的识别率明显优于PCA、KPCA等方法的识别率。     

基于特征点表情变化的3维人脸识别

目的 为克服表情变化对3维人脸识别的影响,提出一种基于特征点提取局部区域特征的3维人脸识别方法。方法 首先,在深度图上应用2维图像的ASM(active shape model)算法粗略定位出人脸特征点,再根据Shape index特征在人脸点云上精确定位出特征点。其次,提取以鼻中为中心的一系列等测地轮廓线来表征人脸形状;然后,提取具有姿态不变性的Procrustean向量特征(距离和角度)作为识别特征;最后,对各条等测地轮廓线特征的分类结果进行了比较,并对分类结果进行决策级融合。结果 在FRGC V2.0人脸数据库分别进行特征点定位实验和识别实验,平均定位误差小于2.36 mm,Rank-1识别率为98.35%。结论 基于特征点的3维人脸识别方法,通过特征点在人脸近似刚性区域提取特征,有效避免了受表情影响较大的嘴部区域。实验证明该方法具有较高的识别精度,同时对姿态、表情变化具有一定的鲁棒性。     

正则化最近点优化图像集匹配的三维人脸识别

针对传统的三维人脸识别算法受光照、表情、姿态及遮掩等变化而影响识别性能的问题,提出了一种基于正则化最近点优化图像集匹配算法。将图库图像集和探针图像集建模成正则化仿射包,利用迭代器自动确定两个图像集间的正则化最近点;利用最近子空间分类器最小化正则化最近点;根据正则化最近点之间的欧氏距离及结构计算RNP集之间的距离,利用最近邻分类器完成人脸的识别。在Honda/UCSD、BU4DFE两大视频人脸数据库上的实验验证了该算法的有效性及可靠性,实验结果表明,相比其他几种较为先进的三维人脸识别算法,该算法取得了更好的识别效果,同时,大大减少了训练及测试总完成时间。     

基于余类零空间与最近距离的人脸识别算法

提出了一种新的人脸识别算法,即基于余类零空间与最近距离的人脸识别算法. 通过构建不同类别的人脸图像的余类零空间与子空间,可以将不同类别的人脸最大化地区别出来. 本算法的主要思想在于：测试图像与所属类别图像的子空间之间的距离最小,而与所属类别的图像的余类零空间距离最大. 本算法基于ORL数据集与AR数据集进行了测试. 从这些人脸数据集上的测试结果可以看出,本文提出的算法在PCA降维方法的基础上,比一些常见的算法所使用的判别方式更有效,如最近邻分类器（NN）所使用的最近距离判别方式、最近空间分类器（NS）所使用的最近空间距离判别方式、最近最远子空间分类器（NFS）所使用的最近最远空间距离判别方式等.     

刚性区域特征点的3维人脸识别

目的 针对3维人脸识别中存在表情变化的问题,提出了一种基于刚性区域特征点的3维人脸识别方法。方法 该方法首先在人脸纹理图像上提取人脸图像的特征点,并删除非刚性区域内的特征点,然后根据采样点的序号,在人脸空间几何信息上得到人脸图像特征点的3维几何信息,并建立以特征点为中心的刚性区域内的子区域,最后以子区域为局部特征进行人脸识别测试,得到不同子区域对人脸识别的贡献,并以此作为依据对人脸识别的结果进行加权统计。结果 在FRGC v2.0的3维人脸数据库上进行实验测试,该方法的识别准确率为98.5%,当错误接受率（FAR）为0.001时的验证率为99.2%,结果表明,该方法对非中性表情下的3维人脸识别具有很好的准确性。结论 该方法可以有效克服表情变化对3维人脸识别的影响,同时对3维数据中存在的空洞和尖锐噪声等因素具有较好的鲁棒性,对提高3维人脸识别性能具有重要意义。     

对表情鲁棒的面部轮廓线3维人脸识别

目的表情变化是3维人脸识别面临的主要问题。为克服表情影响,提出了一种基于面部轮廓线对表情鲁棒的3维人脸识别方法。方法首先,对人脸进行预处理,包括人脸区域切割、平滑处理和姿态归一化,将所有的人脸置于姿态坐标系下;然后,从3维人脸模型的半刚性区域提取人脸多条垂直方向的轮廓线来表征人脸面部曲面;最后,利用弹性曲线匹配算法计算不同3维人脸模型间对应的轮廓线在预形状空间(preshape space)中的测地距离,将其作为相似性度量,并且对所有轮廓线的相似度向量加权融合,得到总相似度用于分类。结果在FRGC v2.0数据库上进行识别实验,获得97.1%的Rank-1识别率。结论基于面部轮廓线的3维人脸识别方法,通过从人脸的半刚性区域提取多条面部轮廓线来表征人脸,在一定程度上削弱了表情的影响,同时还提高了人脸匹配速度。实验结果表明,该方法具有较强的识别性能,并且对表情变化具有较好的鲁棒性。     

最小距离鉴别投影及其在人脸识别中的应用

针对人脸识别问题,提出了最小距离鉴别投影算法,其与经典的线性鉴别分析不同,它是一种流形学习降维算法。该算法首先定义样本的类内相似度与类间相似度:前者能够度量样本与类内中心的距离关系,后者不仅能够反映样本与类间中心的距离关系而且能够反映样本类间距与类内距的大小关系;然后将高维数据映射到低维特征空间,使得样本到类内中心距离最小同时到类间中心距离最大。最后,在ORL、FERET及AR人脸库上的实验结果表明所提算法识别性能要优于其他算法。     

基于前后端交互的人脸识别系统

针对现有的人脸识别系统计算效率低和鲁棒性较差等问题,本文提出了一种基于前后端交互的人脸识别系统,系统包含客户端、数据库以及服务端.首先,在客户端提出了基于GrabCut的人脸兴趣区域（ROI）提取算法.其次,将提取到的ROI传输到服务端,并在服务端使用ResNet网络根据ROI提取人脸特征点.最后,将服务端中提取到的人脸特征点返回给客户端,在客户端将该信息与数据库中预存的特征点进行欧式距离匹配,得到人脸识别结果.实验在CeleA数据集与随机视频上进行测试,结果表明提出的ROI提取算法明显提升了人脸识别的精度和鲁棒性,并且系统的前后端交互结构相较于传统的非交互结构极大地提升了人脸识别的计算效率.     

基于脊谷特征提取的三维人脸识别

针对三维人脸数据庞大及识别效率低的问题,提出采用提取脊点及谷点表征人脸。脊点和谷点作为曲面局部区域内主曲率沿主方向变化的极值点,能够很好地表征三维人脸特征。对三维人脸提取脊点模型和谷点模型,通过对它们栅格化后生成对应的空间分布密度直方图实现人脸粗匹配,采用计算LTS-Hausdorff距离实现人脸的精确匹配。在GavabDB三维人脸库的实验结果表明,该方法具有较高的识别率。     

基于弹性图匹配的实时视频流人脸识别

This paper deals with the problem of face recognition from video streams based on Elastic Graph Matching (EGM)method. First, instead of manually selecting the feature points as in previous methods, they are automatically selected through feature selection and feature ordering algorithm and correspondingly weighted. Comparing the auto selected feature points with those manually selected from experiences, traditional empirical understanding for feature point selection is corrected. Second, in order to enhance the robustness of the system, the common behavior of the system under uneven illumination, occlusion or remarkable local distortion situation is discussed, based on which a novel graph similarity function that deals with the three situations uniformly is defined, in which failure points give no contribution to similarity score so that effectively enlarges the between class distance and results in enhanced robustness of face recognition. Finally we replace EGM with AdaBoost and Simple DAM in face location and feature alignment stage together with reduced feature points resulted from feature selection based on the characteristics of video streams to speed up the system significantly. The experiment on a video database of 50 persons shows its feasibility.