基于人脸识别的考勤系统的设计与研究

通过研究人脸识别,设计出一套用于考勤的系统。基于人脸识别的考勤系统中最主要的就是人脸识别;首先对通过摄像头拍摄获取的原始人脸图片进行图像预处理;然后通过对人脸的眼睛、鼻子和嘴巴的定位实现人脸定位;在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来;最后通过图片中提取的特征值和后台人脸特征数据库中的值进行比较来完成人脸的识别功能。     

基于人脸部件掩膜的自监督三维人脸重建

三维人脸重建旨在从二维人脸图片中恢复出三维人脸模型。自监督三维人脸重建能够缓解三维人脸数据缺乏的问题,因此成为了近年来的研究热点。现有的自监督方法通常聚焦于使用全局监督信号,对人脸的局部细节关注不足。为了更好地恢复出细节生动的精细化三维人脸,提出了一种基于人脸部件掩膜的精细化三维人脸重建方法,该方法在不需要任何三维人脸标注的情况下,可以重建出精细化三维人脸。其主要思想是在二维图片一致性损失、图片深层感知损失等基本损失函数上,通过人脸部件掩膜,给予人脸区域精细化约束,并对人脸部件掩膜进行自监督约束,从而提高重建的三维人脸局部的准确性。在AFLW2000-3D和MICC Florence数据集上进行了定性以及定量实验,验证了所提方法的有效性和优越性。     

一种提高模糊人脸图片识别率的方法

介绍了一个通过人脸检测程序对模糊人脸图片进行识别的方法：先对图片修改其灰度阈值,以使Haar能够对模糊人脸信息进行快速分辨,再使用0pencv人脸检测程序对模糊人脸图片进行检测。实验结果表明,该方法能够提高对模糊人脸的识别率。     

基于改进三维形变模型的三维人脸重建和密集人脸对齐方法

针对现在广泛使用的三维形变模型表达能力不够，导致重建出的三维人脸模型泛化性能不佳的问题，提出了一种在姿态、表情和光照未知的条件下的基于单张人脸图片的三维人脸重建和密集人脸对齐的新方法。首先，通过卷积神经网络对现有的三维形变模型进行改进，以提高三维人脸模型的表达能力；然后，基于人脸光滑性和图像相似性，在特征点和像素层面提出新的损失函数，并使用弱监督学习训练卷积神经网络模型；最后，通过训练出的网络模型进行三维人脸重建和密集人脸对齐。实验结果表明，对于三维人脸重建任务，所提模型在AFLW2000-3D上实现了2.25的归一化平均误差；对于密集人脸对齐任务，所提模型在AFLW2000-3D和AFLW-LFPA上分别实现了3.80和3.34的归一化平均误差。与原始使用三维形变模型的方法相比，所提模型在三维人脸重建和密集人脸对齐上的归一化平均误差分别降低了7.4%和7.8%。针对不同光照环境以及角度的人脸图片，该网络模型的重建准确，鲁棒性好，且具有较高的三维人脸重建和密集人脸对齐质量。     

基于SVM的人脸精确验证

人脸检测系统包括了人脸检测粗筛选和人脸精确验证两个阶段,人脸精确验证是在人脸检测粗筛选的基础上所做的工作,目的是通过精确验证去除粗筛选阶段所得到的候选区域中的非人脸部分.精确验证阶段采用了线性鼻子SVM分类器和非线性特征脸SVM分类器相结合的策略.实验结果表明,这种精确验证的方法基本上可以精确地检验出粗筛选阶段所得图片中的人脸区域.     

人脸检测中基于自适应ICA的特征提取算法

如何从图片中提取出有效特征来区分人脸与非人脸一直是一个难题.文中提出了利用自适应独立成分分析(Self-Adaptive ICA)算法对图像结构信息非常敏感的特点,有效地从大量正面人脸图片中分离出人脸的局部特征,从而利用这些局部特征基底有效地表示人脸图片.自适应ICA算法的优点是能自适应的拟合图像数据的统计性质,而不用预先设定.通过比较待检测的人脸图片与非人脸图片在这组特征基底上的投影系数,可以较好的区分二者.实验结果也表明这种特征提取方法可以找到一组很好的人脸特征基底.使用这种方法构造的弱分类器的分类准确率在相同的误检率下比Boosted Cascaded方法中的弱分类器高1% ～ 1.5%.     

尺度无关的级联卷积神经网络人脸检测算法

卷积神经网络在进行图片处理时需要输入固定尺寸大小的图片，该限制会导致原图在放缩过程中损失大部分信息。另外，目前人脸检测算法多用单一结构网络进行特征提取，这就使得算法的泛化能力较弱。针对以上两个问题，提出了一种将级联卷积神经网络与空间金字塔池化相结合的人脸检测算法。该方法将三级卷积神经网络模型连接起来，其中三级神经网络模型之间各不相同，结构从简单到复杂，在不同层次的神经网络上提取不同的人脸特征并筛选图片，完成对图片中人脸区域的检测。同时，在每级网络层次中加入空间金字塔池化层，这种池化策略无须固定尺寸大小的输入，增加了模型输入的尺寸选择。在标准人脸数据集中，该方法相对于传统方法实现了模型的多尺度输入，提升了检测的性能，并降低了检测人脸的时间。     

基于OpenCV的图像分类软件的设计与实现

本系统针对图片分类问题进行分析和讨论,旨在提取图片中的脸部轮廓,利用脸部的详细信息对比不同图片中人脸的相似度,从而实现对相册图片的自动分类管理。利用OpenCV中提供的人脸检测和人脸识别的功能,即使用哈尔小波变换(Haar)和Adaboosting算法进行检测,找出图片中脸部所在区域,进而使用局部二进制模式直方图(LBPH)对人脸进行预测,获得两张脸部之间的相似度,依照目录整理后,可达到图片按人脸分类的效果。在此基础上设计用户操作界面,实现简易、快捷的操作。软件测试结果表明,该软件人脸检测和人脸匹配的成功率较高,为生活提供了便利。     

全自动的基于MPEG-4的任意拓扑结构人脸动画

构造任意拓扑结构人脸网格的人脸动画定义表是基于MPEG-4的任意拓扑结构人脸动画系统的关键．通过搜索三维模型的二维纹理图像特征，提出一种自动地在任意拓扑结构三维人脸模型上定位特征点的方法．通过利用任意拓扑结构人脸模型上的三维特征点变形标准人脸模型，并根据标准人脸模型的动画定义表，实现了自动、准确地构造任意拓扑结构人脸模型动画定义表的方法．给定一个任意拓扑结构三维人脸模型，通过文中方法可以全自动地驱动所给人脸模型做动画．     

基于多视角的高精度三维人脸重建

提出了一种多阶段优化的方法来解决基于多视角图片在未知姿态、表情以及光照条件下的高精度三维人脸重建问题.首先,通过重新渲染合成的方法将参数化模型拟合到输入的多视角图片,然后在纹理域上求解一个光流问题来获取不同视角之间的对应关系.通过对应关系可以恢复出人脸的点云,并利用基于明暗恢复几何的方法来恢复人脸细节.在真实数据以及合成数据下的实验结果表明,文中方法能够恢复出带有几何细节的高精度的三维人脸模型,并且提高了现有方法的重建精度.     

一种基于光流场的复杂背景下人脸定位方法

图像中人脸的自动定位和提取是进行人脸识别的首要条件。文章提出了一种基于光流场的复杂背景下人脸定位方法。通过改进的光流场约束方程与帧间差法的结合,确定运动人脸的所在区域。并对所在区域进行图像的操作和处理,提取出人脸图像,最后采用基于Karhunen-Loeve变换的人脸识别技术进行识别。该方法具有快速和准确的特点。     

一种基于KL变换和镶嵌图模型的人脸检测方法

提出了一种基于KL变换和镶嵌图模型的人脸检测方法。该方法首先采用KL变换将整个图像空间划分为主元子空间和次元子空间，利用人脸图像大部分能量集中在主元子空间、小部分能量分散到次元子空间这一特点，将人脸从复杂背景中初步检测出来。在此基础上，采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析足够多的人脸图像样本的基础上，针对人脸图像的灰度和边缘信息，建立了一种较为合适的知识库。实验结果表明，该方法能够较好地解决复杂背景下的正面人脸的检测问题。     

Automatic extraction of face contours in images and videos

The paper proposed an automatic and accurate extraction of the human face contour algorithm. Because a human face contour includes very important facial features to identifying or verifying a person, the accuracy of face contour extraction influences performance of face recognition. The automatic extraction human face contour algorithm includes a novel flowchart for improving accuracy of face contours extraction. To obtain the edge map of a face contour, the divided-and-conquer technique and Canny edge detector were used to avoid the features in the central part of face. The genetic algorithm is implemented to automatically find the parameters of Canny edge detector. Finally, the Poisson gradient vector flow (PGVF) active contour model used the edge map to extract face contours. Three datasets with temporal sequence images were tested for evaluation of the proposed algorithm. The experimental results demonstrated that the algorithm obtained accurate face contours.     

证件照片的一种混合人脸识别方法

在仔细分析证件照片中人脸特点的基础上，提出了一种把人脸的几何特征矢量匹配和人脸的分块加权匹配相结合的思想。该方法针对一般人脸识别方法不能有效消除人脸表情影响的特点，首先对人脸进行快速准确的眼睛定位、图像控正以及标准化处理，然后一方面抽取能够避免人脸表情影响的几何特征向量，另一方面对标准人脸进行分块加权匹配，最后进行综合识别。对JAFFE人脸库的试验结果表明，该方法识别准确率高，能够有效地消除人脸表情在识别中的影响，结果令人满意。     

人脸图像检测与识别方法综述

本文对人脸识别技术中的检测和识别分成两部分进行了讨论。首先,系统的整理分析了人脸检测的各种方法,其次,作为人脸识别技术的第二个环节,对人脸的各种识别方法进行了比较的论述,重点讨论了当前热点的识别算法,最后对人脸识别技术的发展方向进行了展望。     

一种基于知识的快速人脸检测方法

为了提高人脸检测的速度，提出了一种基于知识的快速人脸检测方法，该方法是采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析了足够多的人脸图象样本的基础上，针对人脸图象的灰度和边缘信息，建立了一种较为完备的知识库；为加快检测速度，该方法采用多级检测步骤，即在粗检测中，根据眼睛的特征，提出并采用一种新的人脸粗检测算法-广义几何投影方法，从而明显地提高了检测速度，实验结果表明，该方法具有较强的鲁棒性，能够很好地解决复杂背景下的多人脸检测问题，由于该方法实现的简单性，并容易由硬件实现，使得检测速度进一步提高，因此该方法在可视电话等领域有着广阔的应用前景。     

Efficient face candidates selector for face detection

In this paper an efficient face candidates selector is proposed for face detection tasks in still gray level images. The proposed method acts as a selective attentional mechanism. Eye-analogue segments at a given scale are discovered by finding regions which are roughly as large as real eyes and are darker than their neighborhoods. Then a pair of eye-analogue segments are hypothesized to be eyes in a face and combined into a face candidate if their placement is consistent with the anthropological characteristic of human eyes. The proposed method is robust in that it can deal with illumination changes and moderate rotations. A subset of the FERET data set and the BioID face database are used to evaluate the proposed method. The proposed face candidates selector is successful in 98.75% and 98.6% cases, respectively.     

基于积分投影的人脸图像的特征提取

人脸识别是模式识别领域内的重要课题，有着十分广泛的应用前景，人脸特征的自动提取是人脸自动识别过程中重要的一步。该文采用基于人脸几何特征的方法，首先通过边缘检测和阈值技术对人脸图像进行预处理；然后分别采用水平和垂直积分投影的方法确定人脸轮廓，最后利用人脸特征的先验知识，提取出特征点。实验结果表明该人脸特征提取系统能有效地提取头部轮廓和人脸的主要特征点，实现简单，效率高，特别适合于标准证件类型的黑白照的识别。     

一种基于AdaBoost的快速动态人脸检测算法

提出了一种结合人脸检测和跟踪的快速动态人脸检测算法。在层次型AdaBoost检测算法的基础上，结合提出的一种基于线性预测的人脸跟踪算法来缩小搜索空间，使得检测速度提高到24ms／帧。还设计了一种结合层次型AdaBoost算法、负样本反馈方式和利用权值缩减训练时间的检测器训练方法，可以方便地应用于物体检测技术上。     

人脸图象的校准与特征抽取

脸自动识别是计算机模式识别领域的一个活跃课题,文中提出了一个基于眼睛位置估计的人脸校准方法,并提出了个基于ＫＬ变换与具有统计不相关性的最佳鉴别变换抽取人脸有效鉴别特征的方法,对由９６个,每个１０幅图象所组成的人脸图象数据库所作的实验结果表明,文中所提出的人脸校准方法能从具有一定复杂背景的人脸图象中比较成功地实现人脸自动校准,成功率与可靠性分别可达到９１．５％和９９．５％,文中所提出的人脸特征抽取