真实感人脸动画技术的分类探讨

介绍了各种人脸动画技术和改进方法,并评价了各种方法的优缺点.     

基于人脸检测和CAMSHIFT算法的人脸跟踪系统

针对彩色视频序列,本文提出一种基于检测和彩色直方图的人脸跟踪系统,首先利用Adaboost算法进行快速人脸检测和定位,然后通过Canny滤波获取精确的人脸区域建立肤色直方图模型,在CAMSHIFT算法的基础上运用人脸形态约束,Kalman滤波进行实时的人脸跟踪,实验证明该系统具有较好的实时性并能很好的解决遮挡,类肤色干扰和快速移动的问题.     

基于运动传播和Isomap分析的三维人脸动画编辑与合成

提出一种三维人脸动画数据编辑与合成的有效方法,使用户可以在三维人脸模型上选定控制点,并在二维平面上指定表情动作的约束条件.根据人脸动画数据训练一个先验概率模型,将较少的用户约束传播到人脸网格的其他部分,从而生成完整生动的人脸表情;通过Isomap学习算法对三维人脸动画知识进行建模,并结合用户指定的关键帧拟合高维曲面上的平滑测地线,以自动合成新的人脸动画序列.实验结果表明,该方法可以直观地对人脸动画的生成进行交互式控制,并能生成较为逼真的表情动画.     

基于肤色和Adaboost算法的人脸检测研究

人脸检测是计算机视觉和人工智能领域中的一项富有挑战性的工作,在虚拟现实、人机交互等很多领域都有广泛的应用。研究了基于Adaboost的人脸检测,并提出了肤色与Adaboost算法相结合的人脸检测方法。对输人的彩色图像进行从RGB空间到YCrCb空间的转换,再结合形态学等方法进行区域肤色分割,排除背景干扰,然后用Adaboost算法对可能区域进行检测,得到人脸位置。实验表明,该方法有较高的准确性和鲁棒性,可以得到满意的检测效果。     

基于一种改进NMF算法的人脸年龄估计方法

基于人脸图像的年龄自动估计是人脸识别领域的一个重要研究方向,同时也是一个难点。对此,提出了一种改进的NMF算法来实现人脸年龄估计,该算法首先对NMF分解的基图像进行判别分析,保留最具判别力的基图像来构造子空间,然后将整体训练集图像向得到的子空间进行投影,并用RBF(radial basis function)神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计,实验结果表明,该算法获得了较好的测试结果。     

基于嵌入式Linux的便携式自动人脸检测与跟踪系统的应用研究

随着嵌入式微处理器、嵌入式Linux操作系统以及数字图像处理技术的深入发展,自动人脸检测和识别技术在具有嵌入式Linux操作的嵌入式开发平台中得到了发展和实现。本文在基于IntelPXA270嵌入式硬件开发平台和嵌入式Qt和开源计算机视觉库OpenCV软件开发平台基础上,对基于嵌入式Linux的便携式自动人脸检测和跟踪系统的应用进行了研究。     

基于肤色马氏距离图的人脸检测

介绍利用肤色信息、特征脸与径向基概率神经网络相结合的方法进行人脸检测,能准确快速地检测出彩色图像中的人脸区域.首先构造皮肤YUV颜色模型,检测彩色图像中的皮肤区域,并计算出该区域相对于皮肤的马氏距离图;根据其马氏距离图利用主成分分析法构建特征脸子空间;构造出径向基概率神经网络,以马氏距离图在各特征脸子空间的投影系数为网络的输入.计算出该区域是否是人脸图像.实验证明,这种方法是有效的.     

结合人脸关键点与光流特征的微表情识别

微表情能反映出人们试图隐藏的真实情感,光流法进行微表情识别时,存在易受光照变化影响而使特征提取不准确的缺陷。针对上述问题提出一种结合人脸关键点与光流特征的微表情识别方法,该方法通过引入人脸关键点分支以忽略光照的影响,弥补光流法的不足,重点关注人脸关键位置的变化,最终建立一个人脸关键点和光流的双输入网络模型。该模型在CASME II和SAMM数据集上使用留一法交叉验证进行了实验,在CASME II上四分类准确率和F1值分别为69.19%和66.24%,相比基准微表情识别方法本方法准确率和F1值分别提升了6.05%和5.44%;在SAMM数据集上也优于现有方法,说明该方法与其他主流算法相比具有更好的识别性能。     

基于改进Yolov5模型的实时人脸检测算法

针对疫情背景下,在一些人流密集场所进行体温筛查或身份识别,当待检测对象快速通过时,人脸检测实时性不高的问题,提出了一种改进Yolov5模型的实时人脸检测算法。该算法首先对骨干网络层进行轻量化改进并引入注意力机制减少冗余信息;其次修改了检测层网络结构,增加了对小目标人脸及倾斜人脸检测的适应性;随之使用Focal EIOU损失函数代替Yolov5原始损失函数中的GIOU损失函数来计算定位损失,有效解决了预测框在目标框内部或预测框与目标框大小一致时无法精确定位的问题。实验结果表明：提出的实时人脸检测算法检测精度达到97.2%,检测速度达到66.7 f/s,相较于原始Yolov5算法,检测精度提升了19.7%,检测速度提升了24 f/s,满足实时人脸检测要求,同时对于黑暗环境及不同表情姿态人脸检测也有较好的适应性。     

基于身份感知模型的素描人脸识别方法

针对素描图像和光学图像之间存在较大的模态差异这一问题,提出了一种基于身份感知模型的素描人脸识别方法,实现跨模态图像生成和素描人脸识别。该方法应用新的感知损失来监督图像生成网络,生成更好的跨模态图像,减少模态差异带来的识别精度损失,并通过三元组损失来正则化类内和类间距离,增强识别模型的性能,用联合训练策略提升素描人脸识别能力。在UoM-SGFSv2、e-PRIP等素描人脸数据集上的实验结果表明,该方法识别效果优于其他对比算法。