基于注意力模型的人脸关键点检测算法

人脸关键点定位因受到表情、光照、姿态等的影响,常常会出现大的误差。为了准确地定位到人脸的关键点,提出了一种基于注意力模型的人脸关键点检测算法。先是利用可变型模型(DPM)算法检测出图片中的人脸区域,然后结合残差网络(ResNet)和收缩激励网络(SeNet)对该区域进行人脸关键点定位。实验结果表明,该算法在人脸数据集上获得了较高的准确率,证明了该算法的有效性。     

改进的高斯肤色模型及其在人脸检测中的应用

针对传统高斯肤色模型在肤色和光照变化较大情况下不能有效提取肤色区域的问题,提出一种改进的高斯肤色模型,并将其应用于人脸检测中。模型参数采用一种自适应更新的参数选择方法,通过对相似度人脸和灰度人脸在对应像素点加权相乘的方式,得到将肤色相似度信息和灰度分布信息有效结合的人脸肤色模型,并结合Adaboost算法设计了人脸检测方法。在FERET(facial recognition technology database)、LFW(labeled faces in the wild)、GTFD(Georgia Tech face database)和多人脸图库上的实验结果表明,该模型的肤色提取正确率比传统高斯肤色模型提高了27.1%,提出的人脸检测方法的检测率比Adaboost算法提高了5.5%。     

基于Haar分类器和AAM算法的人脸基准点定位

人脸基准点定位可应用于人脸识别、疲劳检测等领域。针对人脸基准点定位中常用的主动表观模型(AAM)的局限性,提出了Haar分类器和AAM算法相结合的人脸基准点定位方法。先是计算图像积分图,然后采用基于Haar特征的AdaBoost级联检测器快速定位出人脸区域,最后将检测到的位置和图像信息传递给AAM进行人脸基准点定位。该方法在抽取的AFLW(annotated facial landmarks in the wild)人脸测试集上表现出良好的性能。实验结果表明,采用该方法能准确、快速定位出人脸基准点。     

应用梯度矢量流Snake和灰预测的人脸轮廓跟踪

为了提高动态图像序列中人脸轮廓跟踪时梯度矢量流(GVF) Snake算法的实时性,同时解决人脸跟踪中的遮挡问题,提出了GVF Snake和单变量一阶灰色模型GM(1,1)相结合的人脸轮廓提取方法.该方法首先利用人脸运动信息和肤色模型粗略地检测出运动人脸轮廓,然后采用GVF Snake算法将人脸轮廓精确地提取出来,从而有...     

基于OpenCV和Adaboost算法的人脸检测

随着信息技术的高速发展,人脸检测作为人脸识别的第一步具有越来越广泛的使用价值和研究意义,成为了计算机视觉和模式识别领域的热点。介绍了Adaboost人脸检测算法的原理及训练方法流程,利用OpenCV图像处理软件设计并实现了一种简单的基于Adaboost算法的人脸检测系统。     

融合Adaboost和光流算法的视频人脸实时检测

提出一种基于AdaBoost和光流的融合算法实现视频人脸的实时检测,利用AdaBoost算法对人脸进行检测,结合光流算法对视频图像帧间的连续性进行估计,获得人脸在图像中的位置.实验证明,本文介绍的人脸检测和追踪的方法利用了Ada-Boost和光流算法各自的优点,一定程度上解决了人脸偏转、部分遮挡、表情变化以及光照等因素对人脸检测的影响.     

基于改进差分AAM和K-SVM的人脸表情识别

主动外观模型(Active Appearance Model)是一种通过提取和结合人脸的形状和外观模型特征的有效地人脸表情特征提取方法.在与其他的AAM拟合算法对比中,反向合成算法具有快速和高效的特点.但在遇到不同光照影响和线性不可分时,反向合成算法的拟合效果会变差.于是,提出了一种基于差分AAM特征和核支持向量机的人脸表情识别方法,并在JAFFE人脸表情数据库上进行了相关实验.实验结果表明,该方法能够较好地去除光照干扰的影响和解决非线性识别问题,并得到鲁棒的识别效果.     

基于Harris角点检测算法的红外人脸器官定位

本文提出了运用Harris角点检测的算法来进行红外人脸的特征点定位。实验结果表明,这种算法能很好地检测出人脸器官的特征点,有效地进行人脸特征的定位,进而达到很好的检测效果。     

基于HSV+HOG特征和SVM的人脸口罩检测算法研究（英文）

为自动检测人脸是否规范佩戴口罩,提出了一种基于HSV+HOG特征和SVM的人脸口罩检测算法。首先,使用人脸检测算法RetinaFace检测出人脸和五个特征点坐标,在人脸上使用特征点定位到口鼻区域,提取该区域的HSV+HOG特征并使用SVM进行训练,实现对有无佩戴口罩的检测。然后,使用RetinaFace把检测目标定位到人脸的鼻尖区域,使用YCrCb椭圆肤色模型检测鼻尖区域皮肤的暴露情况,根据实验结果找到最佳分类阈值来判断佩戴是否规范。实验表明,该算法的口罩佩戴检测准确率可达97.9%,佩戴规范检测准确率可达87.55%。     

融合Mean-shift与粒子滤波改进算法的自适应人脸跟踪

针对人脸跟踪中计算量大以及粒子退化现象,提出了结合Mean-shift与粒子滤波的改进算法。首先根据Mean-shift算法中的"核函数",建立彩色加权直方图的目标模型。再以人脸初始位置采用Mean-shift算法自适应生成新的粒子集合,通过粒子滤波算法进行权值更新和粒子再采样,得到下一帧人脸位置,同时舍弃较小粒子。实验表明该算法提高了跟踪的运算速度和稳定性,并对人脸遮挡和偏移也有一定的改进。     

人脸识别方法

本文简单介绍了计算机人脸识别技术的研究背景、应用领域和研究内容;重点介绍了人脸检测和人脸识别中的几种典型算法;总结了现存的研究困难并提出了解决方法及今后的发展方向。     

基于支持向量机的彩色图像人脸检测

本文提出了一种彩色图像中的人脸检测方法,该方法先通过综合定位皮肤区域的一维Haar小波变换和幅度投影来进行特征判别分析(DFA),然后再利用支持向量机(SVM)分类器和贝叶斯统计分析法来区分人脸和非人脸.实验结果表明,该算法鲁棒性强,正确检测率高.     

基于非单色背景下的人脸彩色图定位算法与实现技术

针对非单色背景下的人脸,本文提出了一种新的人脸定位算法.该算法包括两个部分:首先进行肤色分割,该文采用迭代算法计算cb、cr阚值,进行自动分割,可完整地分割出人脸部分;然后进行人脸定位,由于嘴唇具有较高的cr值,可去除嘴唇部分以消除嘴唇对其它图象部分的影响,利用水平、竖直灰度特性确定人眼坐标,将人脸图象规范化.实验结果证明了该算法的有效性.     

基于改进YOLOv5的人脸检测算法

随着计算机视觉行业的不断发展，基于卷积神经网络的目标检测算法也受到了研究人员的重视。针对传统的YOLOv5目标检测算法中的边界框回归损失函数GIOU存在当检测框与真实框呈包含的状态时会退化到传统IOU损失函数，以及当检测框和真实框相交时在垂直和水平两个方向上存在收敛速度慢的问题，提出一种改进的YOLOv5目标检测算法。在传统YOLOv5的基准网络中添加注意力机制，然后在边界框回归损失函数中引入真实框与预测框中心的欧式距离计算预测损失，并分别计算预测框与真实框之间的纵横比作为惩罚项以达到提高回归精度以及加快收敛速度的目的，最后将改进后的YOLOv5目标检测模型应用于人脸检测进行验证。实验利用wideface人脸数据集训练，训练结果表明改进的YOLOv5目标检测算法训练中的损失只有0.013，较传统的YOLOv5目标检测算法损失减少约13.33%，准确率达到82.28%，较传统的YOLOv5目标检测算法提高2.6%。实验表明该目标检测算法能很好的应用于人脸检测中。     

基于卷积神经网络的人脸识别系统设计

人脸识别技术应用广泛,文章以Python和OpenCV库为基础,设计一个采用卷积神经网络算法训练的人脸识别模型,实现人脸信息采集、检测等功能的人脸识别系统.系统首先通过电脑前置摄像头采集人脸信息录入并保存在指定的目录当中,启动人脸识别程序,系统自动捕捉人脸图像并辨认是否为已录入信息的人脸,并为识别出来的人脸打上标签信息...     

基于LBP的人脸识别

本文首次提出应用局部二值模式(LBP)算法来预测人脸旋转姿态。首先建立平均人脸的特征直方图模型(正面人脸特征直方图、左转人脸特征直方图和右转人脸特征直方图),然后通过比较测试人脸特征直方图与平均人脸特征直方图的距离来预测人脸旋转类型。实验结果表明本文方法可以有效的预测人脸姿态。     

用DSP实现实时人脸检测

介绍了人脸识别技术中人脸检测的基本原理,分析了现有基于PC机实现方法的不足,提出了基于TMS320C62xxDSP实现人脸检测算法,阐述了用CCS中对C程序进行性能优化的方法.这一实现方法降低了人脸识别系统对CPU和内存的要求,从而解决了人脸检测实时性要求这一技术难题.     

基于Snake模型的特定人脸三维重建方法

以双目立体视觉为基础,构建一种特定人脸重建系统,提出基于Snake模型的特定人脸三维重建方法,利用已标定的摄像机拍摄立体图像对,采用肤色检测得到人脸区域。在对立体图像对进行摄像机畸变校正、立体图像对的外极线对齐、人脸区域选择及归一化等预处理后,采用金字塔结构相关匹配算法,在误匹配点数与精度两者之间达到较好的平衡。针对人脸提出能量最小化方程,考虑顺序匹配约束、连续性约束、曲线上各点曲率的估计和相关性约束条件,大大提高视差提取的正确率,解决了立体视觉中立体匹配的难点,成功地恢复出人脸的三维数据,实现特定人脸的重建。试验结果表明：基于Snake模型的视差抽取,并经过光顺处理和纹理映射后,除了脸部部分边缘存在一些变形外,主体部分的重建效果真实感强。该算法不需要结构光等设备,基本不需要人工干预,就能恢复出特定人脸的三维数据,效果好,实用性强。     

基于小波变换的人脸光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法首先将人脸图像变换到对数域,并在对数域中计算2维小波变换,通过舍弃低频子带图像中的系数来实现人脸图像的非均匀光照补偿。由于人脸光照补偿的目的是为了提高人脸识别性能,所以光照补偿的效果利用人脸识别率来表征。在Yale B人脸库中,与对数域离散余弦变换（DCT）光照补偿算法进行了比较,实验结果表明,本文方法的人脸识别平均误识率可以达到0.18%,比对数域DCT方法具有更好的性能。另外,在CAS_PEAL人脸库中的实验结果表明,本文方法的性能与对数域DCT方法相近。     

一种基于NL-SFS方法的三维人脸快速重建系统

针对快速重建三维人脸的需求,设计了一种基于非Lambert从明暗恢复形状(NL-SFS)方法的三维人脸快速重建系统。首先人脸表面采用非Lambert反射模型描述其反射特性,这更接近于人脸表面实际的反射特性;接着由遵循正交投影的摄像机获取光源作用下的人脸表面图像,同时假定摄像机方向与光源方向保持一致,建立人脸表面的图像辐照度方程;然后将该方程转化为包含人脸表面深度信息的Eikonal方程;最后根据上述方程的特点,利用fast marching方法设计了系统软件,能够快速求得Eikonal方程的解,进而重建出人脸的三维形状。实验结果表明,该系统可以在较短的时间内获得较高的重建精度,即0.9s内可达到0.43%的高度平均相对误差。