基于关键点和局部特征的三维人脸识别

为了减少表情变化对三维人脸识别的影响,提出一种基于关键点和局部特征的三维人脸识别算法.根据有价值轮廓线和平均曲率检测关键点;根据DAISY描述符的形式构造局部特征的空间结构,采用形状指数直方图、倾斜角直方图和方向角直方图作为局部特征,进行关键点匹配;并利用匹配成功的关键点数目衡量2个人脸曲面的相似度.基于FRGC v2.0数据库和Bosphorus数据库开展身份识别实验,获得了96.9%和95.8%的Rank-1识别率.实验证明所提出的方法识别性能较好,并对表情变化识别具有一定的鲁棒性.     

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.     

基于特征融合的人脸表情识别算法研究

为了避免传统表情识别方法中复杂的特征手动提取过程,同时保证能够提取到更多的表情特征,文中提出一种融合卷积神经网络(Convolutional Neural Network,CNN)、方向梯度直方图(Histogram of Oriented Gradient,HOG)以及人脸关键点定位(facial landmark detection)的人脸表情识别方法.该方法首先通过在图像预处理中使用多任务卷积神经网络(Multi-task convolutional neural network,MTCNN)对不同尺度输入图像进行人脸检测并得到人脸的关键点位置信息(facial landmark).然后根据facial landmark的位置信息计算出人脸表情图像的几何结构特征,并且计算人脸表情图像局部区域的方向梯度直方图来构成HOG特征,采用特征融合的方式将facial landmark和HOG特征做进一步的融合形成新的特征向量LM_HOG.最后将融合后的特征与经过CNN提取的全局特征再次融合输入到支持向量机(Support Vector Machine,SVM)和Softmax中进行表情识别.在FER2013和Extended Cohn-Kanade(CK+)人脸表情库上的实验结果表明,将融合得到的LM_HOG特征作为局部特征,用以描述图像的局部性差异,CNN提取的特征作为全局特征,用以描述人脸表情图像的整体性差异,融合后的特征能更好的提取图像细节特征,平均识别率分别达到了75.14％和97.86％,具有优越的性能.     

基于三维特征点模型的人脸表情识别算法

提出了一种基于三维特征点模型匹配的人脸表情识别算法.首先,以混合树结构建模不同姿态脸部特征组合,实现特征点定位,并建立脸部三维几何特征模型;然后,基于广义普鲁克分析原理对特征点模型进行归一化计算,并建立具有鲁棒性的匹配特征;最后,采用支持向量机实现表情的训练和识别.通过对BU-3DFE数据库中6种脸部表情的测试,表明该算法能够达到很好的识别效果.     

融合多通道信息的二维人脸识别

为充分提取人脸图像信息,进一步提高人脸识别效率,提出了一种融合图像多通道信息的二维人脸识别方法.该方法利用Haar小波变换将人脸图像变换到频率域,并获得图像4个频率域的信息;对每个频率域的图像,通过局部二值模式(LBP)进行统计编码,并提出基于HaarLBP直方图序列的人脸图像表征方法;提出2种直方图序列的匹配算法,并通过分析各个频域图像信息对识别的贡献率,进一步融合4通道图像信息进行人脸识别.在ORL和Yale人脸库上的实验结果证明,提出的识别方法对于人脸姿态、表情和光照变化有一定的鲁棒性.     

基于SIFT特征点的双目视觉定位

提出了一种结合了SIFF特征点的双目立体视觉定位方法.介绍了对尺度、旋转、视角等变化具有良好鲁棒性的SIFT特征向量,利用SIFT特征向量匹配算法在双目视觉系统采集的左、右图片中分别检测目标、获取匹配的目标SIFT特征点.经过空间匹配点选择、标定点坐标计算等步骤获取左、右图片中具有空间位置一致性的目标标定点,并在摄像机坐标系中恢复目标标定点三维信息.实验结果表明,利用该方法进行目标定位具有较强的适应性.有一定的实用价值.     

SIFT算法的相似性度量优化

针对人脸姿势变化对人脸识别的影响,采用具有良好的尺度、旋转、光照等不变特性的SIFT算法.在分析SIFT特征向量生成过程的基础上,提出一种降低SIFT匹配过程中相似性度量计算代价的方法以提高SIFT特征匹配效率.该方法以绝对值距离和棋盘距离的线性组合距离代替欧式距离作为特征描述子之间的相似性度量.实验结果表明:该方法在保持鲁棒性的同时,可以降低时间复杂度,提高图像匹配的效率.     

三维可变形物体的三点匹配策略

针对不同姿态下的三维可变形物体特征点匹配问题,提出了一种基于热核信号特征和测地距离的三点匹配策略,从而可以为后续的紧密匹配奠定基础.该方法主要由以下三步完成,首先提取出三维可变形物体的外部特征点;其次,对外部特征点采用热核信号定义局部特征;最后,结合局部特征描述符和特征点之间的测地距离进行最优匹配搜索,得到正确的匹配结果.实验结果表明:该方法能很好地实现对三维可变形物体的稀疏匹配.     

基于快速SIFT算法和模糊控制的人脸识别

针对传统的人脸识别系统在复杂背景情况下不能实时准确进行人脸识别的问题,提出一种基于快速尺度不变特征变换(SIFT)算法结合模糊控制的人脸识别方法。首先,由SIFT特征点子区域方向直方图计算得到4个新角度,代表特征点方向信息。然后,在特征匹配阶段,根据SIFT特征点角度信息以及大小限制特征点匹配范围,简化算法复杂程度,得到快速SIFT算法。最后,引入闭环模糊控制系统,减少SIFT特征误匹配,提高人脸识别率。实验结果表明:基于快速SIFT算法的人脸识别方法平均识别时间提升了40%,在发生光照、姿态、表情等均有变化的复杂环境下人脸识别精度提高10%。     

复杂环境异源高分辨率光学卫星影像匹配算法

针对复杂环境异源高分辨率光学影像匹配成功率低的问题,提出了一种基于窗口约束的特征点匹配方法.借助于异源影像近似核线对和同名直线,对特征点建立几何约束窗口,利用该窗口限定同名点搜索范围,通过特征点主方向的约束和特征欧氏距离提取初始匹配点,并基于局部随机抽样一致性(RANSAC)算法剔除误匹配点,最终利用同名点对影像进行纠正,实现异源高分辨率卫星遥感的自动匹配.结果表明:与传统的尺度不变特征变换算法(SIFT)相比,窗口约束匹配方法提取了更多的同名点,为复杂环境异源高分辨率光学遥感影像数据的高精度自动匹配提供了一种可行的方法.     

Radial-curve-based facial expression recognition

A fully automatic facial-expression recognition (FER) system on 3D expression mesh models was proposed. The system didn't need human interaction from the feature extraction stage till the facial expression classification stage. The features extracted from a 3D expression mesh model were a bunch of radial facial curves to represent the spatial deformation of the geometry features on human face. Each facial curve was a surface line on the 3D face mesh model, begun from the nose tip and ended at the boundary of the previously trimmed 3D face points cloud. Then Euclid distance was employed to calculate the difference between facial curves extracted from the neutral face and each face with different expressions of one person as feature. By employing support vector machine (SVM) as classifier, the experimental results on the well-known 3D-BUFE dataset indicate that the proposed system could better classify the six prototypical facial expressions than state-of-art algorithms.     

基于局部区域LBP特征的人脸识别研究

传统的LBP方法往往分散特征区域所表达的信息,提出一种基于局部区域LBP特征（Local Binary Pattern,局部二值模式）提取的人脸识别方法。用积分投影法在表情图像上定位出眉毛、眼睛、鼻子和嘴巴这些特征点的位置,根据这些特征点的位置确定这些特征部件所在子区域,然后对这些子区域进行不同的分块,提取各子区域的局部LBP直方图,按顺序把它们连结成一个特征直方图序列。实验结果表明：局部区域LBP方法与传统的LBP方法相比有很强的人脸表情特征识别能力,能够更准确地提取面部局部区域的表情信息。     

单目视觉坐标测量方法

为了解决现代化生产中对高精度、大尺寸、三维整体现场在线测量技术的需求问题,提出了一种基于光学测头成像的单目视觉坐标测量方法。该方法以光学测头上的光学特征点作为成像目标,利用单个摄像机获取测量信息。测量过程中,通过分析光学测头上光学特征点的二维成像坐标,利用特征点之间已知的几何约束知识和摄像机的透视投影模型,建立特征点与对应像点的求解关系。通过基于奇异值分解的位姿优化算法确定特征点的空间位置坐标。根据特征点与测尖间已知的位置约束关系确定被测点的空间坐标,从而实现坐标测量目的。测试实验结果表明,该方法切实可行,系统的测量不确定度小于0.32mm。     

3维大脑核磁共振图像隐私信息剔除方法

在神经影像研究中,患者的面部特征有时可以通过三维表面重建技术从影像中复原,这使患者身份隐私信息泄漏存在潜在可能。为了解决这一问题,文中提出一种自动化面部特征剔除算法,从海量多模态大脑核磁共振影像数据中自动剔除患者身份相关的面部特征信息。该方法基于一种新提出的多分辨分层特征向量匹配方法来准确定位三维影像中的解剖学点标记,并通这种匹配方法从多模态磁共振影像中确定患者面部特征相关的解剖结构的空间位置,并以此估计出一个最优三维剔除平面来剔除病人面部特征信息。最后,通过实验验证了该方法的有用性和可靠性。     

人脸识别中基准点的选取与特征点定位

提出了一种基准点选取的新方法,为实现不同性别人脸图像的识别开辟了一条可行之路,还提出了去除眼镜对眼域定位影响的“峰定位法”,为解决戴眼镜人脸图像的识别问题提供了一个行之有效的方法．实验表明,文中方法对特征点定位准确,速度快．     

一种改进的特征点匹配算法

特征点匹配是计算机视觉中的关键步骤,在很多领域中都有着的重要应用。通过对当前图像特征点匹配方法的研究,提取一种基于特征点的灰度量和几何特征量相结合的匹配方法。该方法首先用Harris算法提取特征点;然后用极线约束减少搜索范围;最后用特征点的灰度量实现特征点匹配。该方法利用极线约束,克服了用灰度量进行特征点匹配计算量大的缺点。提高了匹配速度。实验表明,是一种准确快速的特征点匹配方法。     

基于特征匹配的三维点云粗配准方法

针对无初值情况下点云配准精度不高以及配准效率低下的问题,提出一种基于特征匹配的三维点云粗配准方法。首先,利用点云局部法向量的变化描述其特征,加入特征保留权值筛选突出特征信息,提高配准效率;然后,根据保留的特征信息建立特征直方图,通过比较特征直方图描述的信息获取初始匹配的点对;最后,将刚性不变约束与随机抽样一致性算法结合筛选正确的匹配点对,再利用四元素法得到旋转矩阵和平移向量。实验结果表明,提出的算法与其他粗配准算法相比具有较高的精度和效率,为后续的点云精配准工作提供了良好的初值。     

Gabor特征均值的子空间人脸识别算法的改进

针对人脸图像局部特征提取不充分的问题,在基于子空间分析的人脸识别算法中,提出了在线性和非线性空间中实现基于2DGabor均值的子空间人脸识别算法.首先,根据人脸图像的5个特殊区域,对人脸图像进行分块处理,分别对每一块进行2DGabor运算,并把每个训练样本相应像素点得到的特征矢量取均值,得到图像的特征向量,然后在线性和非线性空间中利用2DPCA(two-dimensional principle component analysis)和KDA(kernel fisher discriminant analysis)对特征向量进行降维处理,最后利用最近邻分类器和支持向量机分类器SVM(support vector machine)进行特征分类与识别,通过对ORL和FERET标准人脸库图像进行的实验仿真即对比结果表明,基于2DGabor均值的方法不仅提高识别率,而且对于人脸光照、姿态和表情变换均具有良好的鲁棒性.     

基于多尺度卷积神经网络的交通标志识别方法

为了提升交通标志自动识别的精度,提出一种基于多尺度CNN的交通标志识别方法(TSR -MSCNN算法).该方法采用三阶段卷积神经网络,融合了低阶、中阶和高阶3种不同尺度的特征,并串联了多个小卷积层用以代替单个较大卷积层.通过对全连接层的神经元个数、Dropout参数、卷积核尺寸等网络超参数进行选比实验,获得了最佳的网络超参数.利用德国交通标志基准数据库(GTSRB)对不同算法进行测试表明,本文提出的算法在较小的网络参数量下能够有效提取交通标志特征,获取的识别准确率达到99.76%,且显著优于传统卷积神经网络方法和多尺度特征方法的识别准确率,因此本文算法在图像识别领域有良好的应用价值.     

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．