基于深度三维形变的单张3D人脸重建算法

三维形变模型(3DMM)作为人脸重建的重要方式,在3D建模、图像合成等领域有着广泛的应用.由于受训练数据类型、数量以及主成分等因素影响,3DMM存在过约束的现象,不能提供足够的灵活性来表示高频变形.本文将三维形变模型嵌入到深度神经网络中,为提升3D人脸重建的表示能力提供了新的思路.为了提升网络学习效率,本文构设了一种双通路神经网络,实现了在全局路径和局部路径之间的平衡.通过在学习目标和网络结构两方面改进非线性3DMM,提出了一种比线性或以往的非线性模型更能捕捉到更高层次细节的模型.算法对比与仿真实验表明,本文算法在3D人脸重建上的归一化平均误差更低,所生成的3D人脸模型鲁棒性好、重构准确,实现了较好的3D人脸重建性能.     

基于三维模型子空间监督学习法的二维人脸识别

人脸识别的一个主要难点在于人脸姿态和光照变化对识别性能影响显著.考虑到此问题,本文提出了一种将三维模型和二维照片相结合的新的人脸识别技术,对不同人脸姿态和光照变化有很好的鲁棒性.在训练阶段由特定三维人脸模型生成大量带有不同姿态和光照的虚拟二维照片,采用监督学习法使这些虚拟照片形成子空间,最终组成特定人脸模板.此时不再需要三维数据,只要匹配真实二维照片和模板就可以进行人脸识别.     

一种增强人脸识别模型训练稳定性的损失函数

随着卷积神经网路的快速发展,深度学习在人脸识别领域进行了大量的应用.近几年,人脸识别准确率快速提高,主要归功于新颖损失函数的提出.在目前最大的人脸评测数据集MegaFace上,最顶尖的模型已经实现了97.91％的1:N查找性能,但是训练过程中收敛稳定性问题没有得到解决.该文提出一种新型的损失函数LineFace,其lo...     

基于嵌入式的自动人脸识别系统研究

为了提高人脸识别的速度和检测率,基于肤色与Adaboost算法的人脸检测、特征提取与识别,给出嵌入式平台的自动人脸识别系统的完整设计方案.基于TQ2440嵌入式开发平台实现该系统,结合现场采集的图片进行人脸识别测试,测试结果表明该系统检测速度快,检测率高.     

基于Web3D的Cult3D的应用与实践

阐述了Cult3D的发展及特点,并给出了Cult3D在现代网络中的具体应用实例.     

基于SSD与FaceNet的人脸识别系统设计

人脸识别技术广泛应用于考勤管理、移动支付等智慧建设中。伴随着常态化的口罩干扰,传统人脸识别算法已无法满足实际应用需求,为此,本文利用深度学习模型SSD以及FaceNet模型对人脸识别系统展开设计。首先,为消除现有数据集中亚洲人脸占比小造成的类内间距变化差距不明显的问题,在CAS-IA Web Face公开数据集的基础上对亚洲人脸数据进行扩充;其次,为解决不同口罩样式对特征提取的干扰,使用SSD人脸检测模型与DLIB人脸关键点检测模型提取人脸关键点,并利用人脸关键点与口罩的空间位置关系,额外随机生成不同的口罩人脸,组成混合数据集;最后,在混合数据集上进行模型训练并将训练好的模型移植到人脸识别系统中,进行检测速度与识别精度验证。实验结果表明,系统的实时识别速度达20 fps以上,人脸识别模型准确率在构建的混合数据集中达到97.1%,在随机抽取的部分LFW数据集验证的准确率达99.7%,故而该系统可满足实际应用需求,在一定程度上提高人脸识别的鲁棒性与准确性。     

Direct3D场景中3D模型的处理方法

介绍了在三维虚拟场景中Direct3D调用3DSMAX制作完成的模型（实体）的方法,即如何通过D3D来运用3D作品。提出了3D实体的概念,研究了基于坐标综合变换的模型加载过程;重点介绍了向量的坐标变换以及.x文件加载过程中确定3D模型的空间位置的方法;最后用程序再现了一个真实的场景。由于在Direcrt3D中对3D模型的处理介绍得比较少,因此,此研究有一定的应用价值。     

基于孪生神经网络的小样本人脸识别

在基于深度学习的人脸识别领域中,孪生神经网络是一种解决过少样本数据降低模型性能并导致过拟合现象的有效方法.文章基于孪生神经网络提出一种引入CBAM混合域注意力机制的小样本人脸识别方法,对比实验将输出值映射为128维特征向量;采用对比损失函数,通过比较样本网络输出特征向量之间的欧氏距离来判断人脸的相似度.结果表明:在使用...     

基于聚类建模的三维人脸识别技术研究

由于信息采集困难、环境条件约束、实现方式和手段不足等原因,三维人脸识别技术还很不成熟.为此提出将聚类技术应用到三维人脸建模过程中来提高建模的效果和效率.首先定义了三维人脸相似性,提出了圆锥曲线相似性定义方法.其次基于三维人脸聚类建模提出了人脸识别系统的新框架,设计了与新系统对应的识别策略.实验证明,基于聚类建模的人脸识别系统在进行人脸识别时所用的时间远远少于采用传统形变模型的方法所用的时间,而且对人脸样本的数量不敏感.     

动态人脸识别系统的设计与实现

介绍了动态人脸图像的识别问题,包括模块结构设计、系统结构设计和系统的实现等方面.首先,设计了图像采集模块,通过摄像头在VC++环境下实现动态图像的采集、捕捉、存储等功能.其次,对人脸检测与识别的实现过程和算法进行了详细的阐述.设计出的动态人脸识别系统时间复杂度比较低,占用较少的系统空间资源,实验结果具有很高的准确率.     

基于二维、三维信息融合的人脸识别

为解决光照、姿态等因素发生变化时二维人脸识别算法识别率骤然下降的问题,提出了基于二维、三维信息融合的人脸识别方法.与其他算法不同,该算法输入为一幅二维灰度图像,通过重建相应的三维模型提供三维信息.对于二维图像,选择局部二值模式(LBP)特征进行人脸表示.对于三维模型,定义了54个特征点,将鼻尖点与特征点之间的测地线距离作为三维特征.对2种特征识别结果采用加权融合的方式,权值的确定依据Fisher判别准则.通过CAS-PEAL-R1人脸库对提出的算法进行了测试,并与其他方法进行了比较.     

三维人脸扫描图像数据预处理

为构造基于知识学习的形变模型所需的规格化三维人脸库,提出一种纹理映射图数据结构及以点为处理单元的分割三维人脸的方法.该结构将原始数据隐含的信息显性化,为激光扫描仪采集的真实三维人脸中分离的采样点与纹理2部分数据建立双向映射关系,以保证数据操作和处理达到实时与同步.基于此结构的快速映射特点,提出的分割方法以二维纹理点为操作对象能够快速处理大量原始数据.     

基于三维形变模型的多姿态人脸识别

针对多姿态人脸识别问题,提出了一种三维形变模型和部件技术相结合的人脸识别方法.该方法提取人脸三维部件作为识别特征,在一定程度上克服了人脸姿态变化对识别的影响.在识别过程中结合人脸的局部特征和全局特征,根据单个部件的识别率确定其在整体分类中的权值,基于整脸信息进行识别,进一步改善了识别效果.实验结果证明,该方法在训练库中只有1张正面照片时,对多姿态人脸识别具有很好的识别效果.     

三维物体识别中密度和距离图象数据的融合

阐述了以实现机器人视觉为目的,基于规则的,通过对同时来自激光扫描测距装置的物体矩离图象数据及其密度图象数据进行融合,从而达到提高识别三维物体可靠性的一种方法,本文详细地介绍了在边缘检测及曲率分析两个层次上所进行的融合,具体包括边缘及其属性的提取,边缘属性一致性分析,曲率类型的猜测及分析等。     

基于组合特征判别分析的三维人脸识别算法

针对人脸识别中特征表示与提取问题, 提出了一种新颖的基于组合特征判别分析的三维人脸识别算法.该算法首先使用基于非均匀网格重采样的方法对所有三维人脸做规格化处理, 使三维人脸具有统一的点数和拓扑结构;其次, 以先分段、再重叠的形式将原本一维向量表示组织为二维矩阵表示, 然后使用二维线性判别分析方法 (2DLDA) 对获得的数据进行特征抽取.这种方法在避免图像信息的丢失、增加组合特征的同时, 理论上也能避免单纯使用线性判别分析 (LDA) 进行特征抽取时容易出现的小样本问题.在BJUT-3D大规模三维人脸数据库上的实验表明, 本方法取得了良好的识别效果.     

表情数据驱动三维人脸模型方法

提出了一种利用面部表情数据驱动三维人脸模型中骨骼特征点运动的方法.首先,利用面部表情捕捉设备对面部特征点进行采集,并使用XML格式对面部表情捕捉数据进行描述;然后将采集到的面部特征点与人脸模型中骨骼特征点进行映射配对;最后,使用面向对象图形渲染引擎演示面部表情,从而实现使用面部表情数据驱动三维人脸模型.方法验证实验的过程和结果表明了提出方法的有效性.     

基于重采样的三维人脸样本扩充

为了对现有三维人脸数据库的数据规模和数据覆盖范围进行扩充,提出一种基于样本重采样的三维人脸样本扩充算法.该方法首先根据面部器官的分布规律对人脸样本进行区域划分,并获得关于各个器官的样本集;然后通过从各个器官样本集中选择器官并重组的方式来获取新的三维人脸样本,为了保证新器官之间的无缝融合,提出了基于薄板样条函数(thin-plate-spline,TPS)的几何信息缝合方法和基于微分算子的纹理缝合方法.实验结果表明:本文提出的样本扩充方法能对现有三维人脸数据库进行扩充;扩充后的样本集可以提高算法的效果.     

基于二维线性判别分析的彩色人脸识别

为了提高人脸识别的准确率,提出了一种基于二维线性判别分析的彩色人脸识别算法,直接对彩色人脸图像不同通道的颜色信息进行编码,采用矩阵表示模型描述人脸对象;融合人脸的类别特征,采用二维线性判别分析的算法提取彩色人脸的分类特征;根据投影后的特征矩阵,采用最近邻分类的算法进行人脸识别.利用CVL和CMUPIE彩色人脸数据库进行实验.结果表明,本文提出的彩色人脸识别算法能有效地提高人脸识别的准确率,明显优于对比的算法.