搞怪自拍

只要自拍够创意,偶尔装傻又何妨!读者Dominick Reed对自拍情有独钟。许多人都将自拍视为一种自恋和自我陶醉的方式,而非真正的摄影,但我却乐此不疲,因为这带来     

基于真实图像退化的人脸超分辨率重建算法

针对大多数人脸超分算法的预设退化模型与真实图像的退化方式差距大,导致人脸重建的效果不理想的问题,提出了一种针对真实图像退化的人脸超分辨率重建算法。首先设计了一种混合退化模型,通过对运动模糊、高斯噪声等多种退化形式进行合成用于模拟真实图像退化空间,生成接近现实场景的低分辨率图像。然后采用基于小波域的超分辨重建网络预测得到高分辨率图像的小波系数,并经过小波逆变换得到超分辨率图像。在高清人脸数据集(FFHQ)和真实人脸数据集(RealSR)上的实验结果表明,研究提出的算法不仅能有效提升重建效果,而且适用于真实场景下的人脸超分辨率重建。     

基于人脸检测的课堂关注度分析系统

针对各高校课堂教学质量评价带有主观、片面和滞后的问题,提出一种基于"交并均"的多种人脸检测融合算法的课堂关注度分析系统。首先对获取的视频帧图像进行图像均衡和滤波等处理。然后,将处理后的图像分别通过三种不同的人脸检测算法进行检测,获得三个不同的坐标集合;同时,对坐标集合中的数据进行比对分析获得理想最大坐标集合、理想最小坐标集合和理想均衡坐标集合;最后,使用集合中的坐标信息计算出学生抬头率,通过阈值分级量化出学生的课堂专注度,从而实现对课堂教学质量的客观评价。实验结果表明,该系统能够对各种课堂的教学质量做出客观评价,为评估和改善学生听课效率和课堂教学质量提供科学依据。     

基于CycleGAN改进的人脸图像彩色化方法

针对当前灰度人脸图像彩色化技术出现的颜色不准确、人脸图像细节损失等问题,提出一种基于自注意力机制的优化的人脸图像彩色化方法。将自注意力机制ACmix模块嵌入到网络模型CycleGAN中,对人脸关键信息进行加权强化;引入involution算子,involution核相比传统卷积核在空间维度上具有更广泛的覆盖,能够自适应地提取更多的人脸信息;设计了一个复合损失函数来计算真实图像与生成图像之间的误差,以提高彩色人脸图像的真实性和自然性。在Multi-PIE和Georgia Tech Face Da-tabase数据集上对改进后的模型进行定量和定性评价,实验表明,与现有方法相比,所提出的模型可以实现更真实、更自然的人脸颜色。     

脸部特征点的定位与提取方法

提出一种正面人脸关键特征点的自动提取方法。该方法选取两个瞳孔点、两个鼻孔点、鼻尖点、两个嘴角点共7个关键特征点进行自动标定的研究,通过在图像预处理阶段采用选择式掩模平滑算子和Fisher线性判别思想分别进行灰度图像的边缘检测和二值化处理,并结合灰度积分投影方法定位人脸区域,进一步应用人脸结构基本特征的先验知识定位面部主要器官,在此基础上结合Hough变换,SUSAN算子实现特征点的自动提取。实验证明：该方法能够准确、有效地标定人脸的关键特征点,具有一定的实用性,可应用于安全部门、身份证管理、电视会议等领域。     

去除人脸图像中眼镜的方法

人脸图像的校正是人脸识别相关技术的前提性工作之一.眼镜作为一种常见的干扰物对识别结果有着重要的影响.针对该问题,提出了一种去除眼镜的面部图像校正方法.首先对无眼镜的一组人脸样本集进行训练,然后通过主成分分析法对输入的带眼镜的人脸图像进行重构,再按照原始图像的灰度特征对重构出的图像进行处理,最后合成为不带眼镜的人脸图像.实验结果表明,该算法易于实现,合成效果比较自然,有利于后续的处理过程.     

多姿态小目标人脸检测算法研究

由于人脸在不同的环境.背景等情况下有着不同的视觉效果,同时人脸本身有着细致复杂的模式变化,一般传统的检测方法都是针对正面五官清晰的人脸,而对于多姿态或小目标人脸检测效果不佳,由此提出了一种在光线补偿下基于人脸和头发几何约束的检测算法.该算法首先分别依据肤色和发色的色彩空间模型分割出目标区域,再利用几何约束特点检测出人脸.实验结果表明,相比于特征提取和模板匹配的人脸检测算法,该算法对于五官模糊的小目标人脸以及面部特征不齐全的多姿态人脸具有较高的检测精度.     

一种改进的RefineDet多尺度人脸检测方法

针对车站、商场等大型场所中客流量大、背景复杂等原因导致多尺度人脸检测精度低的问题,建立了一种基于RefineDet多层特征图融合的多尺度人脸检测方法。首先利用第一级网络进行特征提取并在不同尺度的特征图上粗略预估人脸位置;然后在第二级中通过特征金字塔网络将低层特征与高层特征融合,进一步增强小尺寸人脸的语义信息;最后,通过置信度和焦点损失函数对检测框进行二次抑制,达到边框的精确回归。实验中将人脸候选区域的宽高比只设置为1:1,以此来降低运算量并提高人脸检测精度。在Wider Face数据集上的实验结果表明,该方法能有效检测不同尺度的人脸,在Easy、Medium、Hard 3个子数据集上测试结果分别为93.4%、92%、84.4%的MAP,尤其对小尺寸人脸的检测精度有明显提高。