人脸关键特征点的自动定位

提出一种自动定位人脸关键特征点的方法。选取人脸图像中两眼球中点、各内外眼角点、鼻唇中点和两嘴角点作为9个关键特征点,利用SUSAN算子提取边缘和定位两眼内外角点,并与方向积分投影等方法结合,可以快速准确地获得特征点位置。实验结果表明,该方法能自动定位人脸各关键特征点,平均定位准确率在95%以上。该方法将有助于人脸特征的自动提取和提高人脸识别算法的识别率,虽然是针对固定大小图像(336×480)进行的,但方法本身并不受图像大小的约束;该方法对绝大多数灰度正面人脸图像特征点都能准确地自动定位,即使小角度旋转人脸也取得较好的定位效果,但目前对大角度旋转人脸仍有一定局限。     

人脸及特征点检测方法综述

人脸及特征点检测计算机视觉领域有着非同寻常的地位,同时还在人工智能交互、视频会议、鉴别身份、汽车安全行驶等方面有着非常广阔的研究价值。由于在计算机视觉下,动态图像中存在人脸的大小不确定、面部表情变化多样、背景复杂、光照多变等影响因素,人脸特征点检测的准确性变得至关重要。文章介绍了几种人脸及特征点常用方法。     

基于多数据融合的快速人脸检测与特征定位算法

针对彩色图像提出了基于肤色和特征验证的人脸检测算法,由肤色分割、排除假区域、特征验证3部分组成。在肤色分割部分,提出自适应阈值法,再通过几何特征排除一些假区域,运用边缘检测、模板匹配和投影法精确定位眼睛和嘴巴,从而验证确认人脸,最后通过投影法定位出鼻子。实验证明该算法检测速度快、准确率高,具有较好的鲁棒性。     

主方向旋转LB P特征的平面旋转人脸检测

提出了主方向旋转LBP特征,对图像中的平面旋转人脸特征进行描述。以任意邻域LBP特征为基础,加入旋转角度偏移值构成旋转LBP特征,通过Adaboost算法训练出旋转人脸分类器,应用旋转人脸分类器检测图像中可能包含旋转人脸的区域,并对结果进行验证。为了提高扶正精度,在旋转LBP特征的基础上加入主方向值,并提出旋转LBP特征的主方向计算方法,有效的提高了扶正精度。经实验证明,新方法能够以较快速度检测所有角度的平面旋转人脸,正确检测率为94％,角度误差在6度以下。满足平面旋转人脸检测系统对全部角度检测、高检测率、低扶正误差的要求。     

基于肤色分割及特征定位的人脸检测算法研究

针对复杂彩色图像提出一种快速有效的人脸检测算法。首先通过一种新的色彩均衡技术消除由光照引起的色彩偏移,然后采用HSI空间与归一化RGB空间相结合的混合肤色模型,提取出原图像中的类肤色区域,最后根据人脸的几何特征定位眼睛、嘴巴和人脸区域。实验结果表明,该算法能较为准确地定位彩色图像中的正面或小角度偏转的人脸,具有较快的检测速度。     

基于Kinect的人脸检测算法研究

基于Kinect的人脸检测算法是一种快速并高效的人脸检测方法,可以在多视角以及光线复杂的情况下检测出人脸,并准确且实时地定位人脸的特征点。由于传统的人脸检测方法,大多都是人脸处于正脸的情况下,存在多视角情况下检测不准确问题;传统的AAM算法在仅利用灰度信息来建立纹理模型,在光线条件不理想的情况下,AAM特征点定位算法的精度和鲁棒性会显著下降。文章利用微软的Kinect传感器,提出一种Kinect+AAM的人脸检测算法。通过实验对比,本文算法在定位精度和鲁棒性上都有比较大的提高。     

彩色图像人脸特征点定位算法研究

本文提出了一种基于复合局部信息模型的改进Active Shape Model(ASM)算法,并进一步提出了基于人脸特征点Gabor小波特征降维分类的特征点搜索方法,对改进ASM的结果进行精确校正,达到鲁棒精确定位特征点的目的.本文首先对经过Adaboost检测的彩色图像人脸区域进行光照补偿,然后根据眼睛和唇色的色度特性定位双眼和嘴唇中心位置,从而得到较好的人脸特征点的初始位置.在特征点位置搜索中,本文结合肤色概率信息对ASM方法进行了改进,从而提高了仅基于灰度梯度信息的传统ASM方法的鲁棒性和准确性.最后选取改进ASM搜索后的某些特征点一定领域内梯度值较高的点,提取其Gabor小波特征,通过线性判别式分析法(Linear Discriminant Analysis)和最近邻分类法对其进行分类,搜寻最符合训练样本Gabor特征的点作为最佳位置点,修正了ASM的搜索结果,使得搜寻结果更加精确.     

基于人脸特征定位的SNS网站应用组件研究与设计

针对国内SNS网站进行调研,分析用户群体特征及社会心理,剖析SNS网站流行的原因,在此基础上提出了在SNS网站上运营好一款人气高、粘性强的应用组件。实验研究并分析了主动形状模型(ASM)和受限局部模型(CLM)的优缺点,提出将两者优点结合的人脸面部特征定位提取方法,设计开发了一款应用组件产品。通过用户上传照片或在线拍摄,捕捉出人脸头像及面部特征,并按照用户在图像库中选择的照片进行合成,生成一张具有两张人脸特征的新头像。将组件接入SNS网站,通过一段时间的运营数据分析,结合互联网的实际应用,提出对组件进行优化的方案。     

人脸检测跟踪与特征点定位系统

实现的人脸检测跟踪与特征点定位系统,基于VC++6.0开发平台,使用opencv作为开发工具,有效缩短了系统的开发时间。首先,本系统采用adaboost算法进行人脸检测,通过合理的特征模板的选择实现了人脸的实时检测;其次,人脸跟踪模块选用camshift算法,利用人脸检测模块生成的人脸坐标传递给跟踪模块,实现人脸的自动实时跟踪,同时建立多个camshift跟踪器对多人脸进行跟踪,并有效地解决了人脸遮挡的问题;最后,通过ASM(active shapemodel)算法实现了实时人脸特征点定位。实验结果表明该系统实现的人脸实时检测跟踪及特征点定位,效果明显,可以作为表情分析和情感计算、视频人脸识别开发的基础。     

基于SVM的疲劳驾驶人脸图像特征检测算法

针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。     

Feature Detection and Simplification of 3D Face Data with Facial Expressions

We propose an efficient framework to realistically render 3D faces with a reduced set of points. First, a robust active appearance model is presented to detect facial features in the projected faces under different illumination conditions. Then, an adaptive simplification of 3D faces is proposed to reduce the number of points, yet preserve the detected facial features. Finally, the point model is rendered directly, without such additional processing as parameterization of skin texture. This fully automatic framework is very effective in rendering massive facial data on mobile devices.     

人脸显性特征的融合构造方法及识别

 目前的人脸识别研究中,面部几何特征没有得到很好的利用.本文阐述了几何特征对于人脸识别的重要性,在此基础上提出了一种提取面部几何特征的新方法;通过融合几何信息和纹理信息构造出一种面部显性特征,并给出了相应的人脸识别方法.这种新的人脸识别方法相对于基于统计学习的子空间方法具有一定的优势,同时也可作为后者的有益补充.实验表明,本文提出的人脸表示特征及识别方法对人脸表情变化和环境光照变化均有一定的鲁棒性.     

一种基于肤色和脸部特征的人脸检测方法

针对人脸检测问题中快速性与准确性难以同时满足的情况,提出了一种将肤色和脸部特征相结合的方法来检测人脸.由于通过基于肤色的算法能快速定位出人脸大致位置,因而检测速度能达到实时的要求;同时利用脸部特征进一步细检,可保证检测的精确性.     

灰度图像人脸检测算法研究

针对复杂背景下的灰度图像,提出了一种基于人脸灰度分布特征、主分量分析方法(PCA)和数学形态学处理的多级弱分类器级联的人脸检测与人眼定位方法.试验证明该方法对光线、不同尺寸、表情姿态、部分遮挡、复杂背景等都有较好的检测效果.     

基于LARK特征提取的AdaBoost人脸检测系统

由于图像易受到外部条件及图像背景的影响,AdaBoost人脸检测方法在特征分类的过程中,单个分类器存在将人脸图像误判为非人脸图像的情况,致使分类器在检测过程中存在误差。文中通过研究AdaBoost人脸检测方法,并将LARK特征提取方法应用到特征分类当中,使原有的方法上得到改进,从而有效提高了人脸检测的准确度。     

基于BitBP特征的多重级联人脸检测器

结合Haar和MB-LBP特征,提出了一种采用BitBP特征描述图像局部信息的方法,该特征可有效描述图像局部区域的灰度像素分布情况,具有比Haar和MB-LBP特征更强的分类能力。且可有效地克服Haar特征数目巨大、训练时间长的缺点。根据BitBP特性,提出一种多重级联的分类器。该分类器的每层均由单一BitBP特征的次级级联分类器构成。而次级级联分类器中的每层分类器均是一个小型的联分类器。利用多重级联结构,可获得更快的检测速度。