基于最大特征分量的快速人脸倾斜校正方法

人脸图像倾斜校正是人脸识别中一种重要的预处理过程。该文提出了最大特征分量的快速人脸图像倾斜校正方法。该方法避免了计算协方差矩阵的特征值和特征向量,运算量小,并通过理论分析证明了几何矩来计算人脸图像的主轴偏转的方向及倾斜角度等同于主元特征向量的方向。该文在ORL人脸数据库上选取了十幅不同倾斜方向的人脸图像进行了充分的实验,实验结果表明用该方法来校正倾斜的人脸图像是可行的,同时基于主元分析的方法平均计算时间是0.072 2,而利用几何矩方法平均计算时间是0.046 5。在时间消耗方面,该方法更优。

基于GPU的三维人脸数据动态线性快速修复

基于CUDA和Open GL,根据三维人脸的深度与灰度数据构造三维点云模型,在更短的时间内显示具有逼真效果的三维人脸模型,并根据传统三维人脸点云显示对数据采集要求较高的缺陷,提出了一种用于修补低质量三维采集数据中出现的空洞现象的动态线性修复方法并使用GPU为算法进行了加速。该方法从人脸数据集中读取点云数据,逐行扫描寻找点云数据中出现的空洞并使用符合人脸本质特征的线性插值方式修补空洞。实验证明,该方法能得到远好于传统点云显示的效果,且经过GPU加速后显示效率得到大幅提高。