有限元法在人脸三维建模及表情动画中的应用研究

将机械工程中的有限元方法用于人脸的三维建模,利用人脸上提取的99个特征点和一些辅助点,用光滑的样条曲线模拟人脸表情肌分布位置连结成线,由线生成三角面片和四角面片组合的有限元建立的人脸几何模型.给该模型定义合适的单元类型、实常数等参数,定义能与人脸皮肤等效的材料属性,并在眼睛、嘴等动作敏感位置加一定量载荷求解,模拟人脸表情动作.从求解的应力图中可以看出,该几何模型变形均与人脸表情动作时皮肤弹性变形一致.该方法可以快速、准确的进行三维人脸参数化建模,可方便提取特征点进行人脸识别.这种建模方法为人脸三维建模提供了一种新的思路和可靠的理论依据,同时降低了后期人脸识别的难度.     

嵌入式疲劳驾驶监测系统的设计与实现

疲劳驾驶是引发恶性交通事故的重要原因之一,驾驶员疲劳监测技术近年来已逐步成为图像处理领域的一个研究热点。基于改进的和提出的新算法,设计了一个嵌入式驾驶员疲劳监测系统。由可见光/近红外摄像头采集视频,首先采用Haar特征的级联分类器从图像中检测出人脸区域,并用钻石搜索法跟踪人脸区域;然后提取一个新的图像差分统计特征,并结合3个准则判断疲劳状态;最后采用全变分模型消除图像中的非均匀光照,以便实现鲁棒的人眼定位和人脸识别。实验测试结果表明,本系统的疲劳状态监测准确率达到95%以上。     

基于改进的Mean-shift驾驶员人脸跟踪算法研究

为了实现对驾驶员人脸实时跟踪,提出了一种改进的Mean-shift算法。首先对人脸提取类Haar特征,使用类Haar特征构造弱分类器,然后根据样本的权值分布构造出强分类器,形成人脸检测分类器;由于光照变化等因素的影响,引入红外主动照明模式,通过隔离可见光照,基本上消除了光照变化对人脸检测造成的影响;针对Mean-shift算法在被跟踪目标发生快速移动时容易跟踪失败的缺点,改进了Mean-shift算法：当目标发生快速移动时,采用SSD（Sum of Square Dif-ference）算法进行全局搜索。以实际驾驶员人脸检测与跟踪实验为例进行了大量实验,提出的方法比Mean-shift算法的速度快、准确度高。     

核判决分析及其在表情识别中的应用

提出了一种基于核判决分析(KDA)的人脸表情识别方法.与传统的线性特征提取方法线性判决分析(LDA)不同,针对非线性问题,KDA通过引入核函数进行非线性投影以提取表情特征,克服了LDA算法用于人脸表情识别时存在的问题.基于CED-WYU(1.0)和JAFFE两个表情数据库的识别结果表明, 基于核判决分析KDA的特征提取方法能有效地提高识别率.     

QQ2010漫游设置精彩在线记录随身行

整天飞来飞去,不停变换办公地点,每次在不同电脑登陆QQ时,都要重新设置QQ某些系统功能以及一些个人操作习惯？NO,对于Office达人来说,这么费劲的操作可不是自风格。现在,通过QQ的系列漫游设置,小到QQ表情,大到与客户的聊天记录,行程备忘录,都能将它们随身携带,在线体验永不断线。     

用QQ截取视频做GIF动画

我们在使用QQ时经常接到一些好友发来的用电影片段做成的QQ表情,但你知道这些表情是怎样做成的吗?想不想自己也做几个发给好友呢?其实我们使用QQ的录制视频动画功能就可以轻松截     

MSN与QQ大整合个性表情随意拍

用摄像头拍摄自己的个性照片或视频动画作为MSN头像,在和别人聊天时,能直观展现自己当时的心情,非常有意思,其实这些个性图片还适用于QQ。下面,笔者就来实现MSN与QQ头像表情大整合。     

MSN也能批量导入QQ自定义表情

小明是典型的QQ自定义表情收藏狂,看到搞笑有趣的自定义表情就把它收藏起来。最近由于业务上的事情,经常使用MSN,但MSN里面的表情非常有限,怎样把自己辛辛苦苦在QQ上收藏的自定义表情全部移植过来呢？其实不难做到。     

神奇美女变妖精 咱也行

喜欢看《封神榜》的朋友对于某个人物瞬间变成另外一个形象的视觉效果再熟悉不过了,娇艳的美女瞬间变成丑陋的妖精,非常有趣。其实利用“youwild”（http：//www.youwild.org／）网站提供的变脸服务,就可以轻松实现人脸与兽脸的趣味渐变效果,让你饱尝变脸的乐趣!     

一种提取人脸特征3D信息的方法

针对头部姿态大角度偏转时,传统的2D人脸模型(主动表观模型,Active Appearance Model)定位人脸特征点的精度会急剧下降.引入与MPEG-4兼容的3D人脸形状模型Candide,并为其建立2D的形状模型和表观模型.模型拟合人脸图像的过程中,在保持3D形状模型与2D形状模型形变一致的基础之上,应用反向组合算法,提取人脸特征点的位置和头部姿态等3D信息.实验结果表明:在C环境下,算法的处理速度为250帧/秒以上,能达到实时处理;当头部姿态的偏转角度为0°-60°时,算法的标准误差值介于0.01-0.1之间.