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。     

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.     

改进的主动形状模型方法在人脸特征点定位中的应用

主动形状模型ASM(Active shape model)是一种统计参数化模型,主要应用于图像中的特征提取。传统的ASM方法对训练集数据采用PCA方法获得形状特征向量和形状参数,然后根据转换矩阵建立线性的统计参数化的形状模型。在分析传统方法不足的基础上,提出一种改进的主动形状模型定位人脸特征的新方法。该方法采用增量PCA,可以有效解决模型匹配失败和受测试图像影响等因素,同时可对训练集进行纹理模型更新。实验结果表明,改进的方法可以有效提高模型的匹配精度,同时加快了模型定位特征点的时间。     

基于主动形状模型的人脸脸型自动分类算法

研究表明人脸脸型可以分为圆脸、椭圆脸、方脸、三角脸等.基于主动形状模型(ASM)提出了一种自动人脸脸型分类方法.首先利用各种脸形的样本进行训练以建立脸型形状模型库,然后运用ASM算法对测试样本自动定位正面人脸形状,比较其与各个脸型形状模型的距离,最后应用最近邻方法实现脸型的自动分类.仿真实验表明,该方法优于利用人脸轮廓曲率或下颌曲率的方法,能够充分挖掘人脸形状信息,分类结果稳定准确,可以有效提高大库人脸识别的速度和准确率.     

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。     

从视频中恢复三维人脸的实时方法

三维人脸恢复是视觉交互的一个难点问题,提出了一种从视频中实时恢复三维人脸的新方法.该方法利用主动形状模型进行人脸特征点提取和跟踪,确保了三维形状恢复和特征跟踪的有效性和一致性;采用非刚体形状和运动估计方法构建三维形变基,有效地适应人脸形状变化的多样性;采用非线性优化算法估算人脸姿态和三维形变基参数,实现了三维人脸形状和姿态的实时恢复.实验结果表明,该方法不仅能从视频中实时恢复三维人脸模型,而且可有效跟踪人脸各种姿态的变化.     

基于增量学习和ASM的人脸表情分析与识别

主动形状模型ASM(Active shape model)是一种基于参数化的统计模型,主要用在图像特征点提取和图像分割中。在分析传统方法不足的基础上,提出一种改进的主动形状模型定位人脸特征的新方法。该方法采用增量学习PCA方法,可以有效解决模型匹配失败和受测试图像影响等因素,同时可对训练集进行纹理模型更新。把改进的方法用在人脸表情分析和识别上,采用SVM建立表情分类器。实验结果表明,改进的方法可以有效提高人脸特征点的定位精度,同时提高了表情识别率。     

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。     

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.     

基于链码的人脸表情几何特征提取

已有人脸表情特征提取算法的表情识别率较低.为此,提出一种基于链码的人脸表情几何特征提取算法.以主动形状模型特征点定位为基础,对面部目标上定位的特征点位置进行循环链码编码,以提取出人脸表情几何特征.实验结果表明,相比经典的LBP表情特征鉴别方法,该算法的识别率提高约10％.     

全自动实时人脸图像变形技术研究与实现

提出了一种新的人脸图像变形方法——自适应网格方法(AMM)。该方法可以全自动产生实时的人脸变形效果。ASM(主动形状模型)技术的使用消除了其他人脸变形算法中所必须的手工标定人脸关键点工作；提出一种将人脸矩形区域自动划分成数个特征矩形的方法，使得复杂的图像变形计算被化简为简单高效的图像插值计算。该工作有助于将人脸变形技术运用于桌面实时应用中。     

视频监控下的人脸跟踪与识别系统

针对智能视频监控系统的要求,设计了一个基于视频监控的自动多人脸跟踪识别系统,该系统的功能是实时跟踪视频监控范围内的人脸并鉴别人脸的身份。针对复杂背景及类似人脸区域的影响,提出了一种Adaboost人脸检测算法和主动形状模型相结合的人脸检测算法,实现人脸的准确检测;针对视频监控范围内人脸偏转、交错以及由于人员不断出入而导致人脸数目发生变化的问题,提出了CamShift和Kalman滤波器相结合的多人脸跟踪算法,同时对跟踪到的人脸进行实时身份识别。实验证明,该系统在视频监控范围内对人脸检测和身份识别准确,跟踪实时性好,是一种建立实时视频监控系统的实用方法。     

2D face fitting-assisted 3D face reconstruction for pose-robust face recognition

Recent face recognition algorithm can achieve high accuracy when the tested face samples are frontal. However, when the face pose changes largely, the performance of existing methods drop drastically. Efforts on pose-robust face recognition are highly desirable, especially when each face class has only one frontal training sample. In this study, we propose a 2D face fitting-assisted 3D face reconstruction algorithm that aims at recognizing faces of different poses when each face class has only one frontal training sample. For each frontal training sample, a 3D face is reconstructed by optimizing the parameters of 3D morphable model (3DMM). By rotating the reconstructed 3D face to different views, pose virtual face images are generated to enlarge the training set of face recognition. Different from the conventional 3D face reconstruction methods, the proposed algorithm utilizes automatic 2D face fitting to assist 3D face reconstruction. We automatically locate 88 sparse points of the frontal face by 2D face-fitting algorithm. Such 2D face-fitting algorithm is so-called Random Forest Embedded Active Shape Model, which embeds random forest learning into the framework of Active Shape Model. Results of 2D face fitting are added to the 3D face reconstruction objective function as shape constraints. The optimization objective energy function takes not only image intensity, but also 2D fitting results into account. Shape and texture parameters of 3DMM are thus estimated by fitting the 3DMM to the 2D frontal face sample, which is a non-linear optimization problem. We experiment the proposed method on the publicly available CMUPIE database, which includes faces viewed from 11 different poses, and the results show that the proposed method is effective and the face recognition results toward pose variants are promising.     

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。     

基于半动态外观模型的人脸识别

在进行人脸识别时,光照、表情、角度等因素的影响会大幅增加数据计算的时空复杂度。为此,提出一种新的图像外观统计模型,在动态形状模型中引入灰度共生矩阵(GLCM),通过计算图像形状对齐情况下的GLCM,建立半动态外观模型。基于ORL人脸数据库的实验结果表明,该模型相比动态外观模型,识别准确率更高,速度更快。     

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。     

基于多种群遗传算法的人脸特征定位

活动形状模型（Active Shape Model,ASM）是一种用于特征定位的统计形状模型。在原活动形状模型的基础上,提出一种新的多种群遗传算法（Multipopulation Genetic Algorithm,MPGA）去搜索人脸图片的最好表示。并且根据面部各主要特征的特点确定适应度函数。实验结果表明,改进的ASM对于人脸特征定位有较好的效果。