基于Hausdorff距离和改进ASM的人脸跟踪方法*

针对视频图像中人脸定位跟踪的问题,提出了基于Hausdorff距离和改进ASM的跟踪方法.由于Hausdorff距离多模板匹配的复杂性,采用ASM的人脸模型作为模板大大降低了模型维数;并对传统的ASM算法进行了改进,利用DCT进行去相关和能量集中,充分利用特征点附近的二维纹理信息代替传统ASM的一维灰度信息,提高了定位速度和精度.实验证明该方法在视频图像人脸跟踪中是非常有效的.     

基于ASM和K近邻算法的人脸脸型分类

针对人脸特征分类问题,提出一种基于主动形状模型(ASM)和K近邻算法的人脸脸型分类方法。将Hausdorff距离作为K近邻算法的距离函数,利用ASM算法提取待测图像的特征点,对点集进行归一化后计算人脸轮廓特征点与样本库中所有样本点集的Hausdorff距离,根据该距离值,通过K近邻算法实现待测图像的脸型分类。实验结果证明,该方法分类正确率高、速度快、易于实现。     

基于ASM和线段Hausdorff距离的人脸识别

主动形状模型（ASM）是人脸特征定位的有效方法。针对ASM的不足,从初始定位、建模方法和搜索策略等三个方面进行了改进,提出了基于模块化ASM(MASM)的定位方法。实验结果表明,改进后的方法在定位准确度上有了较大提高。此外,利用模块化ASM定位得到的人脸轮廓及各器官的形状特征,采用线段Hausdorff距离(LHD)作为相似性测度,在CVL人脸数据库上进行人脸识别,获得了较好的识别效果。     

基于改进Hausdorff距离和人工蜂群算法的图像匹配

Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题,提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征,然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准,最后采用人工蜂群算法进行搜索匹配。实验结果表明,该方法在不降低匹配率的情况下,缩短了匹配时间,能应用到嵌入式领域。     

基于图像的人体特征点提取与尺寸测量

人体特征点提取和尺寸测量一直是虚拟服装试衣的关键内容.本文在人体图像基础上,通过对ASM算法进行改进实现人体特征点提取以及特征点尺寸测量.首先,算法计算待测图片中人脸和身体两个中心点欧式距离与对应模板进行匹配,改变传统ASM算法单一模板局部模板匹配模式,提高了初次模型匹配的准确率和效率;接着,以特征点为中心选择较少有效邻域点在其灰度训练模型中目标搜索,解决传统ASM方法匹配时间长且特征点易匹配失败问题;另外,针对人体胯部以下区域易出现仅单侧拟合效果较好问题,利用马氏距离公式选择特定矩阵大小邻域范围内点的灰度与灰度模型比较,并且结合人体体型分布及对称性特点进行拟合处理.实验结果表明了该方法能适应复杂背景下人体图像的特征点提取与尺寸测量,提高人体特征点提取和尺寸测量精度.     

改进的统计模型三维人脸特征点标定算法框架

自动三维人脸特征点标定是计算机视觉领域的研究热点,其广泛应用于人脸识别,人脸模型配准,表情识别,脸部动画等领域。通过对三维人脸样本统计建模,采用遗传算法对待匹配模型的生成数目进行参数优化,利用模型相似性匹配方法及其映射关系对三维人脸特征点进行自动标定。首先,对三维人脸数据预处理,然后对其统计建模并通过模型形变得到有映射关系的基准模型和待匹配模型。利用遗传算法对待匹配模型中的待匹配模型生成数目参数进行优化,生成与之对应的待匹配模型数;接着计算待测模型与待匹配模型的相似度。最后,利用模型相似度和模型映射关系,间接得到待测模型的特征点。实验结果表明,提出的算法是可行的,能够在一定程度上提高原有算法的效率。该算法可以自动标定三维人脸模型的特征点,当距离阈值为10像素时,39个三维人脸特征点定位的准确率都可以达到100%,并有效解决了传统方法中三维人脸模型平滑区域特征点精度不高的问题。     

改进的SIFT结合余弦相似度的人脸匹配算法

针对人脸图像匹配在光照、姿态、表情等复杂背景下匹配耗时较长且正确率较低的问题,提出一种改进的SIFT（Scale Invariant Feature Transform,尺度不变特征变换）结合余弦相似度（Cosine Similarity,CS）的人脸匹配算法,通过构建圆形分区的特征描述符,降低特征向量维数,利用正反双向匹配以及匹配点对集中各匹配点对之间近似满足余弦相似的原则,采用余弦相似度来进行误匹配点对的剔除。在FEI人脸数据库上与目前流行的人脸匹配算法进行对比实验,实验结果证明了该算法在保证人脸匹配正确率和匹配点对数量的前提下,匹配速度平均提高2~2.5倍。     

基于相似度加权的自适应HD算法

Hausdorff距离(Hausdorff distance, HD)是一种点集与点集之间的距离测度, 常用于目标物体的匹配、跟踪和识别等. 本文在分析经典HD及改进算法的基础上, 提出了一种基于相似度加权的自适应HD (Adaptive Hausdarff distance, AHD)算法. AHD算法利用不同点到点集的最小距离的个数作为匹配相似度的测量, 并舍弃对判断匹配几乎没有作用的较大的点到点集的最小距离值; 同时根据点到点集的最小距离自适应选择权值, 从而得到一种基于相似度测量加权系数; 通过利用部分点到点集的最小距离和基于相似度的加权平均, 既增强了算法的鲁棒性, 又尽可能地保证了算法的精度. 实验结果显示, AHD算法在匹配准确性、抵抗噪声和遮挡干扰等方面性能良好.     

基于SIFT特征的人脸识别方法

根据人脸识别中对高独特性的人脸特征的要求,提出一种改进的基于SIFT算子进行人脸识别的方法,结合K-means聚类的模式匹配策略,采用局部相似性和全局相似性的计算方法对人脸图像进行相似度匹配,并在匹配过程中使用基于概率统计的权值赋予方案和相似度的平方来提高识别的准确性。实验结果证明,该方法具备鲁棒性和有效性。     

一种基于二次直方图距离的人脸识别方法

提出一种非约束条件下的人脸识别方法。利用Prewitte算子将人脸图像转换成特征图像以保护更多的局部信息,并将特征图像划分为多个区域特征向量表示人脸,通过调整二次直方图距离中的权系数矩阵以降低干扰因素的影响,利用改进的距离测度计算特征图像间的相似度。实验结果表明该算法与传统的识别方法相比,有一定的人脸特征描述和识别性能。     

基于角度泛化的SC模型匹配的行人检测

提出一种行人检测算法。该算法使用角度泛化的形状上下文描述子提取边缘采样点集的直方图分布,以改进的Hausdorff距离作为模型与待测图像码本之间的匹配度量,利用该相似度为人体中心位置投票,并结合模板的二值掩码分割人体的前景与背景。采用颜色聚类与支持向量机形状分类器的两步验证法去除2类假阳结果。在自建行人图像库与PASCAL库上的实验结果表明,角度泛化的形状上下文提高了对直立人体形状的局部描述性能,两步验证明显降低了误检率。     

对抗图像旋转的手指静脉身份识别新算法的设计

为了克服图像旋转对手指静脉身份识别系统正确率的影响,在图像预处理部分提出一种基于手指指尖点的旋转定位方法,改进了基于方向模板和局部动态阈值分割提取静脉特征的方法并用改进Hausdorff距离（MHD）距离进行匹配验证。实验结果表明,同一根手指的图片在平面偏移角度小于20°时,可以达到0.75%的等误率,正确识别率达97.25%,而且整个处理过程在VC++6.0上面执行耗时仅为161.6949ms,系统具有很好的实时性能,对实际手指静脉身份识别产品的开发具有一定的现实意义。     

动态时间规整优化局部分块匹配的人脸识别

针对现实人脸识别中姿势、光照、表情变化及遮挡等严重影响识别性能的问题,提出了一种基于动态时间规整优化局部分块匹配的户外人脸识别算法。将人脸图像划分成若干大小相等且互不重叠的局部小块;借助于光栅扫描顺序将各个小块按照前额、眼睛、鼻子、嘴巴和下巴的顺序连接成一个单一序列;计算查询人脸与注册人脸之间图像到类的距离,利用动态时间规整的设计思想寻找查询序列与所有注册序列之间的最佳对齐方式。在三个公开人脸数据库LFW、AR及YouTube上的实验验证了该方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人脸识别方法,该方法取得了更高的识别率,此外,该方法无需任何训练过程,计算成本低。     

Robust Hausdorff distance measure for face recognition

Face is considered to be one of the biometrics in automatic person identification. The non-intrusive nature of face recognition makes it an attractive choice. For face recognition system to be practical, it should be robust to variations in illumination, pose and expression as humans recognize faces irrespective of all these variations. In this paper, an attempt to address these issues is made using a new Hausdorff distance-based measure. The proposed measure represent the gray values of pixels in face images as vectors giving the neighborhood intensity distribution of the pixels. The transformation is expected to be less sensitive to illumination variations besides preserving the appearance of face embedded in the original gray image. While the existing Hausdorff distance-based measures are defined between the binary edge images of faces which contains primarily structural information, the proposed measure gives the dissimilarity between the appearance of faces. An efficient method to compute the proposed measure is presented. The performance of the method on bench mark face databases shows that it is robust to considerable variations in pose, expression and illumination. Comparison with some of the existing Hausdorff distance-based methods shows that the proposed method performs better in many cases.     

基于改进Citation-KNN算法的性别识别研究

为了简化系统模型训练方法,提高性别识别系统的整体效率,提出了一种基于改进Citation-KNN算法的说话人性别识别方法。该方法将连续语音切分,训练每段语音的高斯混合模型（Gaussian Mixture Model,GMM）作为多示例包,其所有混合元为相应包中示例;采用改进的Hausdorff距离作为包与包之间的距离测度,通过Citation-KNN算法进行性别识别。该方法以多示例包间距离为分类依据,简化了系统训练,且识别率优于一些传统算法。     

Face recognition using line edge map

The automatic recognition of human faces presents a significant challenge to the pattern recognition research community. Typically, human faces are very similar in structure with minor differences from person to person. They are actually within one class of "human face". Furthermore, lighting conditions change, while facial expressions and pose variations further complicate the face recognition task as one of the difficult problems in pattern analysis. This paper proposes a novel concept: namely, that faces can be recognized using a line edge map (LEM). The LEM, a compact face feature, is generated for face coding and recognition. A thorough investigation of the proposed concept is conducted which covers all aspects of human face recognition, i.e. face recognition under (1) controlled/ideal conditions and size variations, (2) varying lighting conditions, (3) varying facial expressions, and (4) varying pose. The system performance is also compared with the eigenface method, one of the best face recognition techniques, and with reported experimental results of other methods. A face pre-filtering technique is proposed to speed up the search process. It is a very encouraging to find that the proposed face recognition technique has performed better than the eigenface method in most of the comparison experiments. This research demonstrates that the LEM, together with the proposed generic line-segment Hausdorff distance measure, provides a new method for face coding and recognition     

Human face recognition based on spatially weighted Hausdorff distance

The edge map of a facial image contains abundant information about its shape and structure, which is useful for face recognition. To compare edge images, Hausdorff distance is an efficient measure that can determine the degree of their resemblance, and does not require a knowledge of correspondence among those points in the two edge maps. In this paper, a new modified Hausdorff distance measure is proposed, which has a better discriminant power. As different facial regions have different degrees of significance for face recognition, a new modified Hausdorff distance is proposed which is weighted according to a weighted function derived from the spatial information of the human face; hence crucial regions are emphasized for face identification. Experimental results show that the distance measure can achieve recognition rates of 80%, 87%, and 91% for the first, the first five, and the first seven likely matched faces, respectively.     

Spatially eigen-weighted Hausdorff distances for human face recognition

Hausdorff distance is an efficient measure of the similarity of two point sets. In this paper, we propose a new spatially weighted Hausdorff distance measure for human face recognition. The weighting function used in the Hausdorff distance measure is based on an eigenface, which has a large value at locations of importance facial features and can reflect the face structure more effectively. Two modified Hausdorff distances, namely, “spatially eigen-weighted Hausdorff distance” (SEWHD) and “spatially eigen-weighted ‘doubly’ Hausdorff distance” (SEW2HD) are proposed, which incorporate the information about the location of important facial features such as eyes, mouth, and face contour so that distances at those regions will be emphasized. Experimental results based on a combination of the ORL, MIT, and Yale face databases show that SEW2HD can achieve recognition rates of 83%, 90% and 92% for the first one, the first three and the first five likely matched faces, respectively, while the corresponding recognition rates of SEWHD are 80%, 83% and 88%, respectively.     

完善频谱脸人像识别的分类器设计

频谱脸方法是一种利用小波变换和Fourier变换有效地提取人像的位移不变特征和表情相对不变特征的方法。该文着重讨论了频谱脸方法系统化的预处理方法和相似性度量选择这两个关键性问题。其中，矩的方法被用于人像进行预处理，因为它能有效地对人像的伸缩和平面旋转进行矫正；通过对最近邻法、平均法、Hausdroff距离法和修正的Hausdroff距离法等4种典型的相似性度量方法中进行比较和分析的结果表明，最近邻法、平均法和修正的Hausdroff距离法都是频谱脸方法进行相似性度量的有效方法，其中，最近邻法是最有效的方法，它对诸如位移、伸缩、平面旋转、少许遮掩及少许姿势、表情和光照条件的变化多种影响人像识别的因素均具有最佳的容错性，并在Yale和Olivetti人 像数值库上进行了识别试验，分别取得了97％和99％的识别率。