基于改进主动表现模型的人脸面部特征定位

采用主成分分析(PCA)作为统计分析方法的主动表现模型(AAM)是建立二维可形变模型的有效方法。提出一种将改进的AAM用于人脸面部特征定位的新方法,并与传统AAM进行比较,实验证明此方法要优于传统AAM。

基于人工神经网络动态标定算法的低成本视线追踪系统

针对视线追踪系统成本高、标定算法复杂的问题,研究了一种低成本视线追踪系统.系统采用低成本网络摄像头,采集到的图像首先采用Haar-like特征与肤色结合算法来进行人脸检测,并利用主动表现模型算法和光流法定位并跟踪人脸特征点;然后利用梯度向量法进行瞳孔中心检测;为了提高系统精度和鲁棒性,提出了一种人工神经网络的动态标定算法.实验表明,视线追踪系统不仅具有很好的鲁棒性,而且具有较高的精度,在头部静止的情况下平均误差为1.34°,在头部运动的情况下平均误差为3.26°.

微表情识别方法综述

由于微表情能够揭露人类内心试图隐藏的真实情感,在测谎、反恐、临床医学等方面具有广泛的应用价值,微表情识别备受关注。本文从微表情识别的三个阶段:预处理、特征提取和微表情分类进行了分析,对各阶段采用的关键技术进行了比较;对现存的微表情数据库进行对比总结。最后阐述了微表情识别存在的主要问题,并对未来可能的发展方向进行展望。

一种基于偏转角度的AAM人脸特征点定位方法

对有偏转角度的人脸特征点定位来说,拟合初始位置和模型的角度对人脸特征点定位效果有很大的影响。而传统的AAM(Active Appearance Models)人脸特征定位方法没有具体考虑这一问题,对有偏转角度的人脸特征点的定位准确率和速度并不理想。为解决这个问题,文中提出了一种利用两眼中心坐标和嘴中心坐标来计算人脸偏转角度,根据坐标和角度确定拟合初始位置和模板的方法。用Adaboost和YCbCr对人脸进行预检测,根据找到的特征区域计算偏转角,用反向算法结合该角度的模板进行特征点定位。实验的测试结果表明本方法对有偏转角度的人脸的特征点定位比传统方法在准确度和速度上都有了提高。

USAN-AAM人脸特征点快速定位方法

基于反向合成算法的AAM(active appearance model)是一种快速而高效的人脸特征点定位方法,但由于其纹理模型仅包含灰度信息,当测试数据集中的图像光线条件和训练数据集中的图像光线条件有较大差异时,算法定位精度明显下降。基于此,提出了一种改进的AAM人脸特征点定位方法USAN-AAM。实验结果表明,与原方法相比,该方法对光线变化更鲁棒,定位精度也更高。