基于正交图像生成人脸模型的合成分析方法

针对采用现有基于图像的人脸建模方法生成的三维人脸模型存在的人工性缺陷问题,提出了一种基于合成分析方法的个性化三维人脸建模方法.利用合成方法由两幅正交人脸图像生成一个初始三维人脸模型,比较基于颜色直方图方法合成的人脸图像纹理与输入图像纹理的差异,根据纹理差异来指导对人脸网格的局部自适应细分,不断调整合成的三维人脸模型,从而更好地保持了人脸的精细细节特征.实验结果表明,使用该细分反馈算法,可以减少模型的人工性缺陷,在整体上提高了合成人脸模型纹理的真实感.

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 -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 。

集成的脚本语言在组态软件中的应用

使用Active Scripting技术,可以在应用程序中方便地添加类似VBA的脚本语言。介绍了如何在MFC应用程序中添加VBScript支持,并给出了Active Scripting在组态软件中的应用。

基于贝叶斯网络增强预测模型的人脸多特征跟踪

人脸多特征跟踪是当前计算机视觉中的一个难题,其中一个难点是需要尽可能准确地预测出下一帧中人脸多个特征轮廓的位置。提出了一个基于多重提示预测模型的跟踪算法,将基于二阶自回归过程的动力学模型的快速性特点与基于图模型(贝叶斯网络)动力学模型的准确性特点结合起来,得到融合的预测结果。多重提示的预测模型与观测模型可以方便地集成在卡尔曼滤波框架中。实验结果表明本文算法可以较准确地同时跟踪具有丰富表情的人脸多个特征。

基于多尺度和多方向特征的人脸超分辨率算法

提出一个基于学习的人脸图像超分辨率算法 该算法采用可操纵金字塔学习人脸图像中的低层次局部特征的空间分布 ,并结合塔状的父结构和局部最优匹配算法来预测最佳先验模型 ;然后将先验模型结合到贝叶斯最大后验概率框架中 ;最后使用最速下降法求出最优的高分辨率人脸图像 实验结果表明 。