基于Gabor小波的人脸特征点跟踪方法

文中提出一种跟踪人脸特征点的方法。使用一系列方向、频率、相位各不相同的Gabor小波,对测试序列第一帧中选定的人脸特征点进行小波变化,得到对应点的一组小波系数(Jets),并将其作为后续帧的跟踪依据。对含有各种表情的视频序列进行测试,试验结果显示该方法是有效的。     

基于Kanade-Lucas-Tomasi 算法的人脸特征点跟踪方法

与传统的在人面部画上标识点的特征点跟踪方法不同,KLT(Kanade-Lucas-Tclmasi)算法可以从未加标识点的正面人像视频系列中通过特征纹理信息直接获取面部某些特征点的位移,在KLT算法中加入了基于人脸统计信息的经验约束,使KLT算法更加合理有效。     

Incremental Clustering-Based Facial Feature Tracking Using Bayesian ART

Person-independent, emotion specific facial feature tracking have been of interest in the machine vision society for decades. Among various methods, the constrained local model (CLM) has shown significant results in person-independent feature tracking. In 63this paper, we propose an automatic, efficient, and robust method for emotion specific facial feature detection and tracking from image sequences. Considering a 17-point feature model on the frontal face region, the proposed tracking framework incorporates CLM with two incremental clustering algorithms to increase robustness and minimize tracking error during feature tracking. The Patch Clustering algorithm is applied to build an appearance model of face frames by organizing previously encountered similar patches into clusters while the shape Clustering algorithm is applied to build a structure model of face shapes by organizing previously encountered similar shapes into clusters followed by Bayesian adaptive resonance theory (ART). Both models are used to explore the similar features/shapes in the successive images. The clusters in each model are built and updated incrementally and online, controlled by amount of facial muscle movement. The overall performance of the proposed incremental clustering-based facial feature tracking (ICFFT) is evaluated using the FGnet database and the extended Cohn-Kanade (CK+) database. ICFFT demonstrates better results than baseline-method CLM and provides robust tracking as well as improved localization accuracy of emotion specific facial features tracking.     

基于概率图模型的人脸多特征跟踪

同时跟踪具有丰富表情的人脸多个特征是一个有挑战性的问题．提出了一个基于时空概率图模型的方法．在时间域上,使用几个相互独立的Condensation类型的粒子滤波器分别跟踪人脸的每个特征．粒子滤波对独立的视觉跟踪问题非常有效,但是多个独立的跟踪器忽视了人脸的空间约束和人脸特征间的自然相互联系;在空间域上,事先从人脸表情库中学习人脸特征轮廓的相互关系,使用贝叶斯推理一信任度传播算法来对人脸特征的轮廓位置进行求精．实验结果表明,文中算法可以在帧间运动较大的情况下,鲁棒地同时跟踪人脸多个特征．     

基于自适应压缩特征选择的实时目标跟踪算法?

针对压缩感知算法中的低维特征对目标重构效果较差的问题,提出基于自适应压缩特征选择的目标跟踪算法。该算法首先提取满足目标重构要求的高维压缩特征,再通过所提出的特征选择方法选择区分度高的低维特征作为目标的外观模型,从而降低计算复杂度。为自适应选择特征,采用一种差分方法控制特征维数,满足实时性要求。实验表明,与其他算法相比,文中算法具有更强的鲁棒性和实时性。     

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。     

基于特征跟踪和融合的人脸风格化动画的研究

文中为人脸图片或视频的风格化生成提出一种新方法.首先,通过主动外观模型(AAM)识别人脸的轮廓及五官,记录这些特征点的位置;然后,从现有样图中提取风格化因子,通过几何变形等手段映射到任意一张输入人脸图片上,合成具有样图风格化效果的人脸图片.本方法可以与许多应用结合,如电子贺卡、网上聊天等,可实现自动生成具有表情变化的风格化视频.此方法还有易于训练、速度快、扩展性强等特点.     

Real-Time Camera Tracking for Mobile Devices: The VisiTrack System

This paper presents VisiTrack, a novel approach for video based incremental tracking in real-time. The major objectives in the development of VisiTrack was to design or select algorithms that are well suited for embedded real-time computation. We had a special focus on latency reduction and storage minimization since the algorithms should run on mobile devices like PDAs with the appropriate extension, i.e. mainly a camera, in real-time. The image analysis, camera localization and feature position approximation of VisiTrack are explained in detail. The CV-SDF model, an extension of Synchronous Dataflow graphs (SDF), supporting the principles of linear processing and fine-grained pipelining was defined and applied for the design of all VisiTrack modules in order to fulfill real-time constraints and reduce system latency. Furthermore the camera localization and position approximation include mechanisms for minimization of errors that may arise for instance due to measurement inaccuracies. Current applications of VisiTrack in the augmented reality domain and robotic self localization show its good performance. However VisiTrack is not limited to these application domains.     

人脸表情的实时分类

提出一种基于连续Adaboost算法的人脸表情实时分类方法,使用Haar特征设计了具有连续致信度输出的查找表型弱分类器形式,构造出弱分类器空间,采用连续Adaboost算法学习出人脸表情分类器,实验结果表明：文中方法与支持向量机方法相比,对于人脸表情分类的正确率相当,而速度快近300倍,具有实时性和非常明显的应用价值。     

基于面部特征点的面部形态分析系统

针对面部测量和统计方法所存在的效率低,测量精度差的问题,提出一种基于深度学习的面部五官特征点自动标记方法,提高测量面部参数的效率。进而可以测量到鼻中宽、鼻翼宽、脸部宽度、眼宽等面部参数。最后基于模糊聚类分析方法,将面部参数值数据集进行分类和统计。通过采集的65组面部数据,与已有算法进行比较,本文的面部形态分析系统具有较高的测量精度。     

基于特征流型的对象跟踪模型

在计算机视觉领域,对象跟踪是一个既重要又极具挑战性的研究课题。跟踪的主要困难体现在物体和背景的外观变化、物体的突发性运动、相机的移动和遮挡。本文提出了一种新的方法来解决对象跟踪问题。采用局部特征集合来表示对象,每一个局部特征组织成特征流形,用来模拟该特征点在各种视角条件下的特征点集合。在跟踪的过程中,我们将更新特征流形集合,来反映对象在运动过程中的变化。同时,通过特征流形和特征点的匹配实现跟踪。相对于传统的特征点与特征点的匹配,特征流形与特征点的匹配方式更加准确。因此,基于特征流形的对象跟踪会取得更加准确的结果。     

基于特征发现的卡通人脸肖像生成

通过对成年男女各100幅真实照片进行特征提取和特征统计,获得平均人脸特征分布信息,对新输入的人脸照片进行特征比对,发现其相对突出的特征,采用主动形状模型特征提取和特征线对相结合的方法,对突出的特征实现自动变形,生成人物的卡通肖像．实验结果表明,该方法具有人脸数据量大、特征提取和发现的自动化、变形效果好等优点．     

基于面部动画参数抽取的特征跟踪

提出了一种结合CANDIDE模型和面部动画参数空间参数的方法进行面部特征跟踪和动画参数的提取。采取训练的方法得到面部动画参数和人脸图像之间的关系,直接进行人脸特征的跟踪和面部动面参数的抽取。实验结果表明,该特征跟踪算法柯较强的鲁棒性和准确性。     

基于特征组合的人脸跟踪方法

针对复杂背景下的彩色视频序列图像,提出一种基于多特征组合的人脸跟踪方法.该方法采用肤色特征与运动特征来描述视频序列图像中的人脸,分别构造特征似然作为区分人脸目标与背景的置信度,并利用粒子滤波框架原理,用组合的特征似然来表征粒子权重.该方法中提出的自肤色检测算法避免了光线与类肤色像素对肤色特征的影响.在跟踪过程中根据分类...     

基于AdaBoost的人脸特征挑选与特征融合算法研究

针对人脸识别中的特征挑选和特征融合问题进行研究。结合已有的基于AdaBoost的人脸特征挑选方法,挑选出最具分类能力的特征,并将挑选出的多类人脸特征在特征层进行融合,得到一个统一的人脸特征用于模式分类。通过在FERET人脸库上的实验表明,其识别方法具有良好的识别效果。     

人脸特征自适应选取技术

如何选取并提取稳定可靠的人脸特征是人脸识别技术中迫切需要解决的问题,文中在对现有特征提取方法的优缺点进行详细分析的基础上,提出人脸特征自适应选取算法框架,详细论述了如何建立并提取人脸特征自适应选取的准则,该算法在100多幅人脸图像实验中效果理想。     

人脸特征的选取和定位

本文综述了人脸识别的现状,采用基于几何特征的识别方法,选择了人脸图像的２５个特征点,并由此特征点产生了１３个特征参量为主工特征。根据人脸图像的灰度特性,用投影图法初步确定了人脸各部分的位置,然后利用特征识别树的识别方法进行特征定位的一致笥检测。最后提出了一种快速、可靠的圆形模板匹配法定位了瞳孔的位置。实验表明该方法准确率高,运行速度快,为进上步的人脸识别提供了必要的条件。     

基于头肩图像序列的人脸特征定位系统的实现

针对复杂背景的人脸彩色图像进行特征定位,一直是研究的热点和难点问题.提出了一种实时进行人脸特征定位的算法.在单人脸头肩图像序列中,首先利用背景差分法提取出人脸前景图像,利用几何先验知识和积分投影法分离出人脸区域;接着在人脸区域中采用YCbCr肤色模型、模板匹配以及边缘检测的方法定位出眼睛和嘴角,最后在RGB空间上采用阈值方法和积分投影法相结合的方法确定眉毛和鼻子的位置.实验表明,系统可以快速地检测出人脸特征,具有较高的检测精度和鲁棒性,检测的帧率达到10fps.     

基于法向保持的三维人脸表情跟踪

为减少人脸表情跟踪过程中的人工干预,提高跟踪的效率和自动化程度,提出一种基于法向保持的三维人脸表情跟踪算法.采用以视频频率获取的帧人脸点云作为输入.通过将可变形的参数化网格模型依次对准每一帧点云来跟踪表情的变化;用法向保持条件自动约束跟踪过程中网格顶点在相邻帧间的运动.与已有算法相比,该算法无需在每一帧对准中人工指定特征对应点,也无需进行复杂的光流运算,可实现高效的自动化表情跟踪.另外,当参数化网格与点云所表示的人脸形状相差较大时,采用文中算法也可以得到理想的对准效果.     

Robust Multiperson Tracking from a Mobile Platform

In this paper, we address the problem of multiperson tracking in busy pedestrian zones using a stereo rig mounted on a mobile platform. The complexity of the problem calls for an integrated solution that extracts as much visual information as possible and combines it through cognitive feedback cycles. We propose such an approach, which jointly estimates camera position, stereo depth, object detection, and tracking. The interplay between those components is represented by a graphical model. Since the model has to incorporate object-object interactions and temporal links to past frames, direct inference is intractable. We, therefore, propose a two-stage procedure: for each frame, we first solve a simplified version of the model (disregarding interactions and temporal continuity) to estimate the scene geometry and an overcomplete set of object detections. Conditioned on these results, we then address object interactions, tracking, and prediction in a second step. The approach is experimentally evaluated on several long and difficult video sequences from busy inner-city locations. Our results show that the proposed integration makes it possible to deliver robust tracking performance in scenes of realistic complexity.