基于MPEG-4的三维人脸动画系统

为了解决基于模型编码的新一代多媒体压缩标准中的MPEG-4人脸动画技术,引入了一个MPEG-4三维人脸动画系统.首先用3D Scanner获取的主体对象的深度信息和纹理信息特定化通用网格模型;然后采用参数模型和肌肉模型相结合的方法控制模型网格点的变化,生成人脸动画;同时引入人脸功能区的划分并定义了人脸动画表.实验表明:此方法可以在FAP(facial animation parameter)流的驱动下生成理想的三维人脸动画.     

基于MPEG-4的融合多元素的三维人脸动画合成方法

为了实时合成真实感的可视语音,提出了一种融合口型、表情等多种运动元素的三维人脸动画合成方法.以MPEG-4人脸动画标准为基础,建立了汉语音节口型库和人脸基本表情库,通过在人脸动画参数上对共同影响面部运动的多种元素进行加权融合,合成出最终的动画序列.实验结果表明,该方法有效融合了面部运动的多种元素,同时具有真实感和实时性的优点.     

基于主动外观模型的人脸合成技术

针对现有人脸表情合成中真实性欠佳或速度较慢的问题,提出了一种鲁棒的人脸表情合成方法。通过改进的主动外观模型(AAM)方法,对输入图像中人脸上的指定特征点进行自动检测跟踪,并以特征点为基础对人脸进行Delaunay三角分割、对齐和变形,在不同的人脸中建立有效的对应关系。通过图形计算器(GPU),对匹配的输入人脸和目标人脸进行加权渲染,得到新的人脸表情.为了提高人脸表情合成质量,采用色彩调整和边界过渡的操作,降低了不同人脸融合时带来的差异性.实验结果表明,与传统方法相比,该算法在计算速度上有较大的提高,在渲染效果上更加真实.     

一种兼容于MPEG-4的三维人脸动画

为了生成真实感的三维人脸动画,提出了一种新的兼容于MPEG-4的人脸动画方法.采用基于均匀网格重采样和网格简化相结合的方法对齐原型三维人脸,并在三维模型上定位FDP和FAP控制点,建立兼容于MPEG-4的人脸动画模型,根据已知的人脸动画定义表构建适合于该方法提出的三维模型的人脸动画定义表.实验结果表明,该人脸动画方法可根据一幅给定的人脸图像自动重建特定人的三维人脸,并根据FAP参数序列驱动模型,生成真实感较好的人脸动画图像.     

独立分量分析在MPEG-4入脸动画中的应用

为进一步提高MPEG-4人脸动画的真实感，引入了独立分量分析，将其应用在MPEG-4模型基编码的人脸动画参数分析方面．通过对获取到的人脸动画参数训练数据应用独立分量分析。获得了一般人脸动画模式，调整独立分量分析空间参数可以生成特定人的任意表情．实验结果表明：基于独立分量分析空间的MPEG-4人脸动画具有较强的真实感和鲁棒性。     

独立分量分析在MPEG-4人脸动画中的应用

为进一步提高MPEG-4人脸动画的真实感,引入了独立分量分析,将其应用在MPEG-4模型基编码的人脸动画参数分析方面．通过对获取到的人脸动画参数训练数据应用独立分量分析,获得了一般人脸动画模式,调整独立分量分析空间参数可以生成特定人的任意表情．实验结果表明:基于独立分量分析空间的MPEG-4 人脸动画具有较强的真实感和鲁棒性．     

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MPEG-4的三维人脸动画

具有真实感的三维人脸动画是计算机图形学研究的一个重要分支,有着广泛的应用领域。如何在三维人脸模型上实时地模拟人脸的运动,产生具有真实感的人脸表情和动作,是其中的一个难点。该文在MPEG-4的三维人脸动画原理的基础上提出一种新的基于MPEG-4的、适宜于任意拓扑结构模型的三维人脸动画实现方法。该方法能够在FAP帧的驱动下实现真实感较强的三维人脸动画。     

基于单目RGB摄像机的三维人脸表情跟踪算法

利用单目摄像机对人脸表情进行三维跟踪有两个关键问题,一是从单幅图像中重建人脸的三维模型,二是建立不同三维模型之间稠密的对应关系。针对上述问题,提出一种有效的三维人脸表情跟踪算法。对输入的各帧人脸图像进行自动特征点检测,并根据2D特征点,利用Multilinear Model重建不同表情的三维模型。通过将三维模型重投影至图像空间,计算各帧图像间的Optic Flow与Sift Flow对应。根据图像间的对应关系,利用Laplacian网格变形对三维模型进行修正,建立不同表情之间三维的稠密对应。试验表明,该方法可以重建出较为真实的三维人脸表情模型,同时可以精确跟踪连续变化的三维表情序列。     

基于肌肉模型的人脸皮肤皱纹模拟

在传统肌肉模型所实现的人脸表情动画基础上,通过对三维人脸网格模型进行细分并基于肌肉模型进行人脸皱纹模拟,从而提高了表情动画的逼真度和真实感。     

基于形变模型的人脸建模及其应用综述

形变模型(morphable model)是近几年提出的人脸建模新方法。基于若干原型人脸的知识,该方法实现了真实感三维人脸的自动建模,并在图像分析、人脸识别、表情动画等方面的应用中取得了良好效果。回顾了基于形变模型的人脸建模的研究概况、基本原理及应用情况,并对形变模型的进一步应用和发展进行了展望。     

基于二维广义主成分分析的人脸识别

针对人脸识别中的特征提取问题，提出了一种基于二维广义主成分分析（2DIMPCA）的人脸识别方法.有别于传统的人脸识别算法需要将二维人脸图像矩阵压缩成一维向量，该方法直接采用二维图像矩阵来构建方差矩阵，通过在水平和垂直2个方向上顺序执行2次广义主成分分析（IMPCA）运算，消除了人脸图像行和列的相关性，大大压缩了特征的维数.选用二维最小近邻分类法进行分类，计算识别率.在AT&T人脸库以及Yale人脸库上的测试结果表明，与主成分分析（PCA）和IMPCA相比，该方法具有更高的识别率和更快的识别速度.     

基于Log-Gabor和ULBP改进算法的人脸识别

为进一步提升人脸识别系统的识别率,加强其对光照、表情、姿态变化的鲁棒性,针对人脸识别中的特征提取问题,提出一种基于Log-Gabor与均匀局部二值模式（Uniform Local Binary Pattern,ULBP）改进算法的人脸识别方法。该算法采用多尺度、多方向Log-Gabor滤波器对图像进行滤波来提取Log-Gabor特征,再通过旋转不变均匀模式的LBP进行运算编码,并利用局部空间直方图来描述人脸,最后通过加权的卡方距离对直方图匹配完成人脸识别。在Yale、GT人脸数据库上的测试结果表明,该方法具有更好识别性能,且对环境鲁棒性较好。     

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DCT和KDA的人脸特征提取新方法

提出了一种新的人脸特征提取方法,该方法采用DCT对人脸图像进行降维和去噪,并通过KDA提取人脸特征。基于该特征,采用NN分类器,对ORL人脸库进行分类识别,仅用28个特征平均识别率就达到97.3%,"留一法"识别率为99.5%。仿真结果表明:该方法有效地滤除了人脸图像中的高频干扰信息,明显增强了特征的辨别能力,同时显著地降低了特征维数和计算复杂度。     

基于扩展二维不变矩的三维人脸特征提取

将二维不变矩理论和算法扩展应用于三维人脸特征提取的研究,在对三维人脸模型进行预处理及网格归一化的基础上,建立了具有平移、比例和旋转不变性的三维人脸模型的Zernike矩不变量特征表示,并基于距离可分性设计了一种特征评价测度,对所提特征和深度特征进行了对比评价。多姿态三维人脸数据库的实验结果表明,三维人脸模型的Zernike矩不变量特征具有对不同姿态人脸模型鲁棒、可分性强等优点。     

基于二维PCA的人脸识别方法研究

该文提出了一种基于二维PCA的类内平均脸方法进行人脸的特征提取.首先利用类内平均脸对人脸训练样本进行规范化处理,根据规范化之后的人脸训练样本计算图像协方差矩阵,并求解一组最优特征向量,然后将人脸样本投影到这组最优特征向量上来提取人脸的特征,最后采用最近邻距离分类器来分类所提取的特征.此方法在NUST603人脸图像库上进行了实验,验证了该方法的有效性.     

大型人脸库上基于局部二元模式直方图映射的快速识别

传统的基于局部二元模式(LBP)的人脸识别方法采用卡方统计度量LBP直方图间的差异,由于卡方统计度量的复杂性以及是在高维空间进行判别,此方法在大型人脸库上的识别速度低,为此提出一种LBP直方图映射(LBPHP)方法.将LBP直方图映射到保局投影(LPP)空间获取低维LBPHP特征,当判别新样本时只须比较新样本与训练样本的LBPHP特征,识别过程简单且在低维空间进行,识别速度很快.鉴于LPP强大的鉴别特性,此方法的识别率很高.在2个知名人脸库上对LBPHP方法进行实验验证,结果表明,相比于传统识别方法,LBPHP的识别速度快,尤其在大型人脸库上优势更加明显,适于在此类人脸库上的实际应用如身份认证等.     

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。     

结合对比度信息与LBP的分块人脸识别

基于局部二值模式(local binary pattern,LBP)的特征提取方法忽略了图像灰度值变化的强度。针对这一问题,提出了一种结合对比度信息和LBP进行人脸识别的方法。首先采用LBP算子、VAR方差(variance,VAR)算子分别提取分块人脸灰度图像的LBP直方图序列(local binary pattern histogram sequence,LBPHS)和VAR直方图序列(variance histogram sequence,VARHS),然后将LBPHS和VARHS串联成LBP／VARHS,最后根据最近邻原则进行人脸识别。该算法能够提取有效的人脸纹理信息,而且能够大幅度地降低训练数据量,并且数据量的维数与原始图像大小无关。在ORL和YALE标准人脸数据库上的实验表明,该方法应用于人脸识别中,具有较高的识别率。