彩色图象中主要人脸特征位置的全自动标定

人脸特征的定位是计算机人脸识别中必需的一步。该文提出了一种在彩色图象中进行人脸部特征定位的新方法。该方法只取彩色图象中的红色成分作为研究对象,以简化处理及提高信噪比;首先利用对原图的垂直灰度投影曲线确定脸的左右边界,并分离出此区域的高低灰度图,以便分图定位脸部特征;接着利用对经边缘检测的高灰度图的水平灰度投影确定下颌,嘴,鼻,眼的垂直位置,然后在相应位置附近,对鼻,眼、嘴依此进行准确定位,算法最后     

利用改进的分区统计颅面模型重构颅面

针对初始颅面点集数据量大、分布不均匀,以及分区统计颅面模型算法处理颅面眼、鼻、口三个区域不易连接的问题,提出了改进的分区统计颅面模型算法。通过将颅面分成T区（眼、鼻、口区域）和O区（其他区域）,解决了眼、鼻、口区域的连接问题,并用两种不同半径的球覆盖颅面的方法处理初始颅面点集,使颅面两个区域内点集分布均匀。同时引入种族、性别、年龄、胖瘦四个属性表示单个样本模型,利用主成分分析方法建立统计颅面模型。实验结果表明该算法能够取得更好的颅面重构效果。     

基于人脸识别的考勤系统的设计与研究

通过研究人脸识别,设计出一套用于考勤的系统。基于人脸识别的考勤系统中最主要的就是人脸识别;首先对通过摄像头拍摄获取的原始人脸图片进行图像预处理;然后通过对人脸的眼睛、鼻子和嘴巴的定位实现人脸定位;在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来;最后通过图片中提取的特征值和后台人脸特征数据库中的值进行比较来完成人脸的识别功能。     

基于小波和ICA的面部特征定位

面部特征的定位是自动人脸识别（AFR）系统的重要组成部分,现有主要包括基于先验知识、几何形状、色彩、外观和关联信息五类方法。本文从信号学的角度,提出了一种基于小波和独立分量分析（ICA）的新方法。先对面部图像进行小波分解,提取出主要代表眼睛和嘴巴特征的水平边缘图像,再把说话人在视频流中眼睛的闭合和嘴巴的运动看成是相互独立的运动分量,利用ICA分离出眼基和嘴基,然后分别利用它们来重建人脸图像,从而实现眼睛和嘴巴的定位。     

多尺度人脸特征提取*

介绍了一种新的人脸特征提取的方法,首先在原始图像中找出人脸所在大致区域,然后对已经找出的人脸所在区域进行小波分解,并利用方块效应找出人眼及嘴部所在大致位置,最后提取眼、嘴的特征。试验结果表明,该方法对于人脸特征的提取具有较好的效果。     

基于人脸细节方向特性的识别特征提取

充分考虑到人脸图像的整体和细节特征,进而将人脸的眉毛、眼睛、鼻子和嘴部细节部分的水平方向特性引入到特征提取环节中;将小波变换后的低频近似分量、表达上述水平特性的水平细节分量以及眉毛、眼睛、鼻子和嘴部细节区域分别进行奇异值分解,并对得到的3组奇异值进行排列组合,最终作为该图像的有效识别特征。结果表明,基于人脸细节方向特性的识别特征提取方法的识别率高于在原图上的基本奇异值分解等方法。     

基于ENM-Gabor差分权重的人脸表情特征提取方法

针对人脸子区域对表情识别分类的重要程度不同,提出一种基于Gabor小波特征和ENM(Eye,Nose,Mouth)差分权重的表情特征提取方法。通过对人脸眼睛、鼻子、嘴巴三个区域进行特征提取并自适应加以权重,有效地区分了不同区域对识别表情的重要程度。对预处理后的表情图像提取ENM区域Gabor特征;将表情图像与中性图像作差值计算得到ENM差分权重;将ENM-Gabor特征结合差分权重得到最终的表情特征并用BP神经网络进行分类。与其他方法在JAFFE表情库上进行对比实验,实验结果表明,该方法相比于传统Gabor特征提取有了明显的提高,且平均识别率达到99.3%。     

单人图象中人眼的快速定位

人眼的识别是计算机人脸识别和智能监控中的重要部分。本文提出了一种基于灰度投影曲线和边缘检测进行人眼定位的新算法。首先利用原图的垂直灰度投影曲线确定人脸的左右边界,之后利用人脸区域的水平灰度投影确定头顶至鼻中部的上下边界,然后利用人脸比例模型估计人眼的大概位置,分析人眼区域的边缘图象,给出人眼的确切位置。。实现表明,该算法简单、快速,鲁棒性强。     

基于改进MRF的遥感影像建筑物精提取

随着遥感图像的快速发展与广泛应用,基于遥感影像的建筑物提取能够及时、准确地提取建筑物信息,在地图快速更新、城市管理等应用中具有重要的研究意义。目前经神经网络进行特征分析提取的建筑物灰度图存在图像模糊、错分建筑物等情况,并且需要经过二值化处理才能为后续工作所利用。为了提高分类精度,本文在神经网络初提取的基础上,首先采取大津法分割,形态学处理灰度图。并改进马尔可夫随机场方法,提出根据图像局部邻域特征动态估计先验参数β的新方法,且将原始图像特征引入马尔可夫随机场,对大津法分割的结果进行进一步的分割,并对建筑物边缘的锯齿边界进行修正,以提高分类精度。实验表明,所用方法能够有效减少神经网络提取出的灰度图中的错分建筑物。     

基于SCM的虹膜干扰区域去除算法

为了提高虹膜识别率,提出了一种新的睫毛及眼睑区域定位算法。为了提取呈不同角度分布的睫毛,结合SCM模型和动态交叉熵准则对归一化虹膜图像进行多次迭代,根据图像的灰度分布特性,选取合适迭代结果,对多幅迭代图像进行边缘像素点跟踪融合来获得理想的干扰区域轮廓定位。采用高斯金字塔尺度变换与霍夫变换相结合的方法对眼睑的类椭圆区域进行拟合,进而获得连续的眼睑边缘,实现对归一化虹膜图像中干扰区域的准确定位。实验结果验证了方法的有效性。     

Exploiting Voronoi diagram properties in face segmentation and feature extraction

Segmentation of human faces from still images is a research field of rapidly increasing interest. Although the field encounters several challenges, this paper seeks to present a novel face segmentation and facial feature extraction algorithm for gray intensity images (each containing a single face object). Face location and extraction must first be performed to obtain the approximate, if not exact, representation of a given face in an image. The proposed approach is based on the Voronoi diagram (VD), a well-known technique in computational geometry, which generates clusters of intensity values using information from the vertices of the external boundary of Delaunay triangulation (DT). In this way, it is possible to produce segmented image regions. A greedy search algorithm looks for a particular face candidate by focusing its action in elliptical-like regions. VD is presently employed in many fields, but researchers primarily focus on its use in skeletonization and for generating Euclidean distances; this work exploits the triangulations (i.e., Delaunay) generated by the VD for use in this field. A distance transformation is applied to segment face features. We used the BioID face database to test our algorithm. We obtained promising results: 95.14% of faces were correctly segmented; 90.2% of eyes were detected and a 98.03% detection rate was obtained for mouth and nose.     

基于Gabor滤波和特征三角形的驾驶员面部跟踪

文章提出了一种驾驶员面部跟踪的鲁棒、有效的视频图像人脸跟踪算法。该算法根据水平投影曲线获取眼睛、鼻孔和嘴等区域构造特征三角形(包括等腰三角形和直角三角形),再根据刚体约束生成潜在人脸跟踪矩形区域。再采用二维Gabor核函数构造最优滤波器48个,在特征跟踪矩形区域内获取48个人脸特征点。该算法能够在不同尺寸、不同光照、不同姿态和不同表情甚至不同噪音情况下跟踪人脸有效率达97.81%。     

人脸的层次化描述模型及识别研究

人脸自动识别是一个困难但有重要意义的工作。文中提出了一种基于人脸层次化描述的识别方法。该方法首先对人脸进行快速准确的特征定位及标准化,然后采用主元分析神经网络分别对定位的人脸及其特征区域进行最佳特征提取,从而得到人脸在低分辨率和较高分辨率上的两层特征描述用以识别,具有识别率高、特征数据量适中、可用于大量人像识别等特点。此方法在１３００幅人像上进行了测试,结果表明其在人脸转动、表情变化或入脸未经训练     

融合全局与局部特征的子空间人脸识别算法

文章的工作基于子空间分析框架,从特征融合的角度模拟人类视觉系统的自适应识别功能进行人脸识别．首先,利用主成分分析（Principal Component Analysis,PCA）提取人脸全局特征,在一个低维的“人脸子空间”中依照最近邻法则匹配测试样本;然后,针对人脸局部特征,提出了一种根据各局部子块（如眉、眼、鼻、嘴）的特征偏离程度进行自动加权的算法;最后,基于模糊综合的原理对全局与局部特征进行数据融合,给出最终识别结果．实验表明,该算法能很好地结合人脸图像全局和局部的互补信息,识别效果优于各单一模块的分类性能．     

A face recognition system based on Pseudo 2D HMM applied to neural network coefficients

Face recognition from an image or video sequences is emerging as an active research area with numerous commercial and law enforcement applications. In this paper different Pseudo 2-dimension Hidden Markov Models (HMMs) are introduced for a face recognition showing performances reasonably fast for binary images. The proposed P2-D HMMs are made up of five levels of states, one for each significant facial region in which the input frontal images are sequenced: forehead, eyes, nose, mouth and chin. Each of P2-D HMMs has been trained by coefficients of an artificial neural network used to compress a bitmap image in order to represent it with a number of coefficients that is smaller than the total number of pixels. All the P2-D HMMs, applied to the input set consisting of the Olivetti Research Laboratory face database combined to others photos, have achieved good rates of recognition and, in particular, the structure 3-6-6-6-3 has achieved a rate of recognition equal to 100%.     

基于区域自适应学习的人脸图像超分辨率复原

提出一种基于区域自适应学习的人脸图像超分辨率复原算法.算法根据图像的纹理特征将人脸分为平坦区和细节区.对面部平坦区直接采用双线性插值放大;对于眼睛、鼻子和嘴等细节区,采用分类预测器重建高频信息.在细节区,将相似纹理结构的图像块分为一类,对每类纹理结构分别训练线性预测器,进行高频信息预测.实验结果表明,本算法在图像重建质量的主观效果和实现速度上都有很好的表现.     

视频中多线索的人脸特征检测与跟踪

针对目前的人脸特征检测与跟踪算法存在的对环境适应能力差、缺乏自我检错能力的缺点，该文提出了一种多线索综合的新方法，多线索中包括基于深度信息的人脸区域粗分割，基于多关联模板匹配的人脸检测，利用多尺度Sobel卷积的特征提取，基于“特征眼”的人眼验证以及基于多视图的校验方法，多种线索互相补充，自我检错和纠错，对背景，光照及姿态变化具有较强的适应能力，实验表明该方法是有效的，鲁棒的。     

运用模糊积分进行信息融合的人脸识别方法

提出一种运用模糊积分的原理对整体和局部特征进行融合的人脸识别方法.在实际应用中,现有人脸识别系统缺乏对外界环境进行自适应调节的能力,为此,首先将人脸的关键特征点眼睛,鼻子和嘴巴进行分割,接着采用Fisherface方法对人脸图象进行特征提取和压缩,并建立了三个基于局部特征和一个基于整体特征的分类器,最后利用模糊积分的思想对这些分类器进行融合,将融合后的结果用于人脸识别中.试验表明:该方法能够有效的结合人脸图像的互补信息,提高了识别率.     

人体动作识别中基于HTM架构的时空特征提取方法

针对人体动作识别中时空特征提取问题,提出一种基于层次时间记忆(HTM)架构的深度学习模型,用来提取图像帧的时空特征。首先,将图像帧构建成树形节点层次结构。然后,在每一层中,通过欧氏距离分组来提取图像样本的空间特征,利用时间邻接矩阵提取样本的时间特征,利用置信传播方法将各层局部特征组进行汇总归类,最终得到整体特征组,作为该图像帧的时空特征。此外,在节点操作中引入张量代数,从而避免出现高维特征。最后,将特征送入支持向量机(SVM)分类器进行识别分类。在MSR Gesture 3D动作数据库和KTH动作数据库上的实验结果表明,提出的方法能够有效提取出高分类性能的时空特征,分类准确率高于其他几种较新的方法。     

人脸表情的LBP特征分析

为了有效提取面部表情特征,提出了一种新的基于LBP（局部二值模式）特征的人脸表情识别特征提取方法。首先用均值方差法对表情图像进行灰度规一化,通过对图像进行积分投影,定位出眉毛、眼睛、鼻和嘴巴这些关键特征点,进而划分出各特征部件所在子区域,然后对子区域进行分块,提取各个子区域的分块LBP直方图特征。为了验证所提出的方法的合理性,最后在JAFFE表情库上进行了实验,结果表明提出的方法能够有效地描述表情的特征。