ASM与彩色Labor特征相结合的人脸关键特征点提取

提出一种ASM(active shape Model)与彩色Gabor特征相结合的提取人脸关键特征点的方法。该方法首先通过瞳孔的精确定位来辅助完成人脸形状模型的初始化;然后采取全局特征与局部特征相结合的方法来共同实现对特征点的定位;最后选取人脸图像中的关键特征点的特征信息,结合彩色Gabor特征进行提取,进而快速准确地得到人脸关键特征点。实验表明,与传统的ASM算法比较,加入了彩色信息的改进算法对特征点定位有显著的提高。     

一种姿态变化下的ASM人脸特征定位方法

为了解决传统主动形状模型(ASM)在姿态变化情况下的人脸特征定位不准确的问题,提出一种姿态变化下的ASM人脸特征定位方法。首先在ASM初始化过程中添加一个旋转因子R来初始化人脸形状向量b,使得当人脸有姿态变化时,能自动调整人脸的偏转方向;然后融合局部二值模式算子建立局部纹理模型;最后在IMM人脸库上进行测试,平均定位误差为7.102 0个像素点,比传统的ASM提高35.85%。实验结果表明,与传统的ASM相比,该方法显著改善了姿态变化下的人脸特征定位不准确的问题,并提高了对各特征点的提取精度。     

一种鲁棒的全自动人脸特征点定位方法

人脸特征点定位的目标是能够对人脸进行全自动精确定位. 主动形状模型(Active shape modal, ASM)和主动表象模型(Active appearance modal, AAM)的发表为全自动人脸特征点定位工作提供了很好的思路和解决框架. 之后很多研究工作也都在ASM和AAM的框架下进行了改进. 但是目前的研究工作尚未很好地解决人脸表情、光照以及姿态变化情况下的人脸特征点定位问题, 本文基于ASM框架提出了全自动人脸特征点定位算法. 和传统ASM方法以及ASM的改进方法的不同在于: 1)引进有效的机器学习方法来建立局部纹理模型. 这部分工作改进了传统ASM方法中用灰度图像的梯度分布进行局部纹理建模的方法, 引入了基于随机森林分类器和点对比较特征的局部纹理建模方法. 这种方法基于大量样本的统计学习, 能够有效解决人脸特征点定位中光照和表情变化这些难点; 2)在人脸模型参数优化部分, 本文成功地将分类器输出的结果结合到人脸模型参数优化的目标函数当中, 并且加入形状限制项使得优化的目标函数更为合理. 本文在包含表情、光照以及姿态变化的人脸数据上进行实验, 实验结果证明本文提出的全自动人脸特征点定位方法能够有效地适应人脸的光照和表情变化. 在姿态数据库上的测试结果说明了本算法的有效性.     

一种改进主动形状模型的研究

主动形状模型（Active Shape Model,ASM）是一种较为流行的用于特征定位的统计学形状模型,主要应用于灰度图像中物体的跟踪与定位。在传统主动形状模型基础上,研究了一种构建局部纹理模型的新方法。该模型充分利用特征点之间的联系,构建加权模型。在ORL人脸数据库、JAFFE人脸数据库中进行特征定位实验,并进行了ASM性能分析。结果表明,改进ASM方法提高了搜索速度与特征点定位的精度。     

基于统计模型与Gabor小波的人脸对齐

将基于Gabor小波的人脸特征点跟踪算法与基于统计模型的主动外观模型AAM人脸特征点定位方法结合起来,实现视频中人脸的自动对齐。先利用Gabor小波进行特征点跟踪,其结果作为AAM的初始形状。利用AAM的全局形状和纹理信息作为约束,对Gabor小波的局部跟踪错误进行校正。实验表明,该方法是有效的。     

基于三维变换形状搜索的ASM人脸特征点定位

通过三维变换的特征点搜索方法对二维人脸图像进行形状搜索,形状搜索以人脸的标准三维模型为基础,将二维坐标三维化;通过三维变换、投影等过程迭代搜索逼近目标形状,最后得到三维变换的10个姿态参数。测试结果表明：在对非活动形状模型(ASM)训练集中的多姿态人脸进行形状搜索时,三维变换方法具有更好的逼近效果。较好地模拟了人脸姿态的实际变化,有效地解决了ASM人脸偏转的非线性问题。     

基于多相机的人脸姿态识别

主动形状模型(ASM)算法被用来进行人脸特征点的精确定位,然后在多相机测量的图像中进行特征点的立体匹配,利用双目视觉和相机三维测距技术可以确定人脸特征点的空间三维位置,从而利用这些特征点的相对位置确定出人脸的姿态。实验结果显示,用该方法进行人脸姿态识别能取得比二维识别更高的精确度。     

ASM及其改进的人脸面部特征定位算法

为了提高主动形状模型(ASM)算法的性能,提出一种改进的ASM算法.首先,精确定位出瞳孔的位置用作平均形状模型的初始化;其次,采用全局形状模型、面部显著特征区域成分形状模型以及人脸面部的相似性构形相结合的办法来共同约束特征点的定位结果;最后,特征点周围采用Log-Gabor小波系数进行描述,并建立局部纹理模型,提高了算法对光照和噪声的鲁棒性.实验结果表明,与传统的ASM算法相比,该算法特征点定位精确度有显著的提高.     

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。     

基于改进Hausdorff距离的人脸匹配方法

提出了一种基于改进Hausdorff距离的人脸相似度匹配的方法,该方法首先将人脸划分为脸型、双眼、鼻、嘴等几个特征点集,分别计算各部分的改进Hausdorff距离,然后进行加权计算相似度。利用该方法,在ASM（主动形状模型）定位人脸的基础上进行了人脸检索。实验表明,利用人脸相似度计算方法对人脸特征库进行搜索,达到了较好的效果。同时结合ASM自动人脸检测,本方法可以全自动完成人脸匹配,应用于人脸识别及数字娱乐等领域。     

基于联合模型的人脸识别定位算法仿真研究

研究人脸定位和识别精度问题。由于人脸在拍摄过程中可能出现的形变,位置变化,光照变换等因素影响,造成人脸模糊不清,为了提高人脸识别定位的精确度,提出了一种新的ASM和AAM联合模型迭代的人脸定位和识别算法。首先利用ASM提取人脸轮廓上关键点特征,并对人脸定位。在初始定位的基础上,利用AAM对人脸进行投影,产生训练集合中没有出现的合成人脸数据。以上两步交替进行,产生足够的、稳定的人脸形变图像。识别过程中,将变换矩阵与原始合成数据进行比对。仿真结果显示,改进的方法能稳定地提取人脸轮廓,并准确定位,具有很高的识别效率。     

小样本条件下采用Gabor特征的人脸识别

人脸表征和特征提取是人脸识别中的关键问题．针对Gabot特征的识别能力问题,利用点分布模型和类别可分离性判据研究了人脸不同位置和不同Gabor展开系数的分类能力．实验结果表明,合理地构造Gabor特征和选择特征点位置,能够提高识别率和减少特征数量．在此基础上,提出了在小样本条件下结合主动形状模型和Gabor特征进行人脸识别的方法．     

人脸的民族特征抽取及其识别

人脸的民族特征是人脸信息描述的重要特征之一.首先构建了中国多民族人脸数据库,利用人脸识别技术提取民族面部特征和民族识别.在特征抽取方法中,采集人脸中的代数特征和几何特征,采用LDA(线性判别分析)算法提取人脸图像的代数特征.还构建了能够抽取人脸几何特征的弹性模板,并利用Gabor小波进行特征点定位.实验采用KNN和C5.0分别学习训练集中的代数特征和几何特征,并对测试集进行预测分类.实验结果表明,利用代数特征方法和几何特征方法对藏族、维吾尔族、壮族3个民族的平均识别准确率分别达到79%和90.95%.     

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。     

基于积分投影的人脸图像的特征提取

人脸识别是模式识别领域内的重要课题，有着十分广泛的应用前景，人脸特征的自动提取是人脸自动识别过程中重要的一步。该文采用基于人脸几何特征的方法，首先通过边缘检测和阈值技术对人脸图像进行预处理；然后分别采用水平和垂直积分投影的方法确定人脸轮廓，最后利用人脸特征的先验知识，提取出特征点。实验结果表明该人脸特征提取系统能有效地提取头部轮廓和人脸的主要特征点，实现简单，效率高，特别适合于标准证件类型的黑白照的识别。     

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.     

多尺度局部二值模式傅里叶直方图特征的表情识别

针对表情识别的简便快捷问题,提出一种多尺度局部二值模式傅里叶直方图(LBP-HF)和主动形状模型(ASM)相结合的人脸表情识别方法。该方法首先利用ASM检测并分割人脸区域,减少不相关区域的影响; 然后提取多尺度LBP-HF特征形成识别向量; 最后采用最近邻分类方法进行表情识别。通过提取不同尺度的LBP-HF特征,研究各个尺度LBP-HF特征对表情识别的影响,最终结合多尺度LBP-HF特征实现表情识别,获得更有效的表情特征。通过与Gabor特征的实验结果进行对比,验证该方法的简便可行性,最高平均识别率达到93.5%。实验结果表明,该方法可以用于人机交互中。     

Facial expression recognition using ASM-based post-processing technique

Facial expression recognition is a challenging field in numerous researches, and impacts important applications in many areas such as human-computer interaction and data-driven animation, etc. Therefore, this paper proposes a facial expression recognition system using active shape model (ASM) landmark information and appearance-based classification algorithm, i.e., embedded hidden Markov model (EHMM). First, we use ASM landmark information for facial image normalization and weight factors of probability resulted from EHMM. The weight factor is calculated through investigating Kullback-Leibler (KL) divergence of best feature with high discrimination power. Next, we introduce the appearance-based recognition algorithm for classification of emotion states. Here, appearance-based recognition means the EHMM algorithm using two-dimensional discrete cosine transform (2D-DCT) feature vector. The performance evaluation of proposed method was performed with the CK facial expression database and the JAFFE database. As a result, the method using ASM information showed performance improvements of 6.5 and 2.5% compared to previous method using ASM-based face alignment for CK database and JAFFE database, respectively.     

Facial expression recognition – A real time approach

Face localization, feature extraction, and modeling are the major issues in automatic facial expression recognition. In this paper, a method for facial expression recognition is proposed. A face is located by extracting the head contour points using the motion information. A rectangular bounding box is fitted for the face region using those extracted contour points. Among the facial features, eyes are the most prominent features used for determining the size of a face. Hence eyes are located and the visual features of a face are extracted based on the locations of eyes. The visual features are modeled using support vector machine (SVM) for facial expression recognition. The SVM finds an optimal hyperplane to distinguish different facial expressions with an accuracy of 98.5%.     

基于改进主动形状模型的人脸表情识别

主动形状模型（ASM）是面部特征定位、人脸识别和表情识别等模式识别领域中常用的一种方法。但受到初始情况、光照等诸多因素的影响,其性能会有所下降。研究了一种改进的主动形状模型,改进主要体现在两个方面：第一,首先用点轮廓检测算法（PCDM）检测到双眼的位置,为ASM中的点分布模型粗略地定位好初始位置;第二,从ASM原始的思想出发,充分挖掘标定点之间的联系,提出一种构建局部纹理模型的新方法。在JAFFE人脸数据库中进行验证,结果表明,改进ASM方法提高了搜索速度与特征点定位的精度。最终构造神经网络分类器进行人脸表情识别实验,得到了较好的识别率。