基于主动表观模型的人脸图像描述与编码

利用主动表观模型(AAM)来对人脸图像进行描述和编码,该方法不仅对人脸形状进行建模,同时又建立了反映人脸灰度变化的纹理模型,并将纹理模型与形状模型合理地结合起来,反映了整个人脸形状及纹理。实验表明了AAM方法进行人脸描述和编码的有效性。

主动表观模型在人脸特征提取中的应用

面部情感作为人工心理领域的一个重要研究课题,有着潜在的理论研究价值和实际应用价值,本文将围绕人脸表情识别课题中的特征提取关键技术,分析特征提取的主流方法。ASM在人脸轮廓特征点定位方面有较高的准确率,而AAM在人脸内部关键点的定位中有着优良的性能,结合两种算法对人脸表情特征提取,将等到更好的效果。

基于改进主动表观模型算法的人脸特征定位

人脸特征点的精确定位一直是人脸图像处理的重要研究内容,特征点定位精确与否直接影响后续工作结果的好坏。在基于反向组合AAM(Active Appearance Models)人脸特征点定位算法的基础上,提出结合特征点局部纹理模型来对AAM初始形状参数做最优化以及对AAM匹配模板升级的改进。改进的算法采用特征点局部纹理模型和AAM全局纹理模型结合的方法来最优化AAM初始形状参数,并在此前提下对AAM匹配模板进行升级,使其更接近待匹配图像的信息。在精确的匹配模板和优化的初始形状参数下,匹配的最终精度会得到提升。实验和理论证明,改进后的算法比传统反向组合AAM算法以及现有改进的PAAM(Progressive AAM)算法以及简单的结合ASM和AAM的改进算法都有更好的特征点定位精度。

主动表观模型在光照变化影响下的人脸特征点定位

在光照条件恶劣的情况下,基于主动表观模型(AAM)的人脸特征点搜索与定位算法的精度和鲁棒性会显著下降。本文提出采用全变分模型对图像进行光照预处理,通过对基于反射系数图的特征纹理建模来帮助特征点定位。通过实验对比,分析了本文算法在定位精度和鲁棒性上的提高。

基于强跟踪滤波器预测的主动表观模型人脸特征点跟踪

利用主动表观模型(AAM)可以对视频序列中人脸进行特征点定位,当目标对象与初始位置偏离过大时,就会使拟合过程陷入局部最小,使迭代无法收敛到正确位置,造成定位失败。针对此问题,提出了一种基于强跟踪滤波器(STF)预测的AAM(STF-AAM)人脸特征点跟踪方法。首先,将视频中头部运动看成动态系统,然后利用强跟踪滤波器对其进行预测跟踪,从而找到每一帧的拟合初始位置并进行拟合运算。由于视频序列中每一帧中的拟合初始位置都能被快速找到,从而取得了比较精确、快速的跟踪结果。实验结果表明,所提方法与传统方法相比在保证拟合精度的同时,提高了算法的跟踪定位速度。

基于主动表观模型(AAM)的图像中物体的定位方法研究

介绍了一种基于统计纹理模型和统计形状模型的主动表观模型 (AAM)的基本理论。并以人手的定位为例 ,建立了相应的主动表观模型。首先获取样本的纹理 ,然后应用主分量分析的方法对样本纹理归一化 ,建立纹理统计模型。利用类似的方法建立AAM ,它能通过调整模型参数实现目标物体的定位。由于AAM充分利用了目标物体的内部纹理特征 ,其定位能力更加健壮 ,并具有更高的准确性。

基于主动表观模型的稀疏聚类人脸识别算法

在复杂的非人脸成分干扰以及训练样本过大、训练样本之间相似度较高的条件下,原始稀疏表示分类(SRC)算法识别准确率较低。针对上述问题,提出一种基于主动表观模型的稀疏聚类(CS-AAM)人脸识别算法。首先,利用主动表观模型快速、准确地对人脸特征点进行定位,获取主要人脸信息;然后,对训练样本进行K-means聚类,将相似程度高的图像分为一类,计算聚类中心,将该中心作为原子构造过完备字典并进行稀疏分解;最后,计算稀疏系数和重构残差对人脸图像进行分类、识别。将该算法与最近邻(NN)、支持向量机(SVM)、稀疏表示分类(SRC)、协同表示分类(CRC)人脸识别算法在ORL和Extended Yale B人脸数据库上对不同样本数及不同维数的人脸图像分别进行识别率测试,在相同样本数或相同维数情况下CS-AAM算法识别率均高于其他算法。在ORL人脸库中选取样本数为210时,相同维数条件下CS-AAM算法识别率为95.2%;在Extended Yale B人脸库上选取样本数为600时,CSAAM算法识别率为96.8%。实验结果表明,该算法能够有效地提高人脸图像的识别准确率。

基于主动表观模型的人脸特征点自动标定

主动表观模型是一种具有高精度和强鲁棒性的特征点标定算法。本文主要研究了主动表观模型在人脸图像特征点自动标定方向的应用,并通过MATLAB工具对目标人脸图像进行了特征点自动标定实验。实验结果证明主动表观模型是一种有效的特征点标定算法。

基于主动表观模型及PERCLOS的疲劳检测研究

针对城市轨道交通电客车司机长时间驾驶产生的疲劳问题,目前主要是通过规章制度及警惕按钮来解决,这样既增加司机的劳动强度,也对司机疲劳驾驶检测效果有限。文章针对电客车司机现场工作环境,提出了一种主动在线实时检测方法,该方法通过视频序列分析人脸信息,采用主动表观模型完成对人眼的识别及定位,采用PERCLOS算法完成对司机疲劳检测。实验证明,该模型和算法能够很好地完成对司机的疲劳检测。

结构化特征融合的主动表观模型

文中提出了一种基于结构化特征融合的主动表观模型(Active Appearance Model,AAM)匹配算法。为了增强主动表观模型匹配算法的泛化能力和精度,尤其是其对于人脸表观细节处的处理,本文将形状相关的局部特征描述子和全局纹理信息进行融合,并进一步将其应用到基于回归模型的主动表观模型匹配算法中。通过在XM2VTS和Bio ID人脸数据库上进行测试表明,本文算法比传统的主动表观模型匹配算法的误降低了15%左右。

基于表观模型的人脸特征点提取

针对在人脸特征点提取过程中模型预估能力不足,拟合过程中的非法形变导致的特征点提取速度慢和提取精度不高的问题,本文提出了一种基于主动表观模型(AAM)的人脸特征点提取算法的改进算法。将头部作初始分类,不同的头部姿态选取不同人脸模型进行拟合,这样能避免初始化模型与真实特征点位置相差过大,从而使得模型能更快的收敛,提高特征点提取速度。同时提出一种方法,对拟合过程中的形状变量加以限制,能有效过滤掉不满足人脸形状的特征点模型,防止拟合过程中的非法形变,使提取的人脸特征点更接近真实位置。实验结果表明,改进的基于AAM的人脸特征点提取算法在时间效率和准确率上都所有提高。

全局纹理约束的主动性状态模型

基于图像解释、分割中两种常用的模型———主动形状模型(ASM)和主动表观模型(AAM)的基本原理,提出了一种全局纹理约束的主动形状模型的新方法.

一种基于复合局部信息模型的主动形状模型

本文对Gabor算法和人脸特征点定位进行了介绍和研究。在对传统的主动形状模型算法的研究和分析的基础上进行了改进,提出了一种以复合局部信息模型为基础的主动形状模型。

基于改进联合模型的人脸表情识别

在联合主动表观模型和主动形状模型的基础上,充分挖掘标定点之间的联系,提出一种局部纹理模型构建方法。通过改进匹配算法提高特征点的定位精度和匹配速度。将该算法提取到的人脸表情特征输入最近邻分类器,分类结果表明其识别率较高。

基于三维形变模型的人脸姿势表情校正

针对目前人脸姿势校正鲁棒性差和计算复杂等问题,提出一种新的人脸姿态表情校正方法。首先,通过Fast-SIC算法来改进AAM模型以实现人脸对齐,该算法在不同光照、不同表情、不同姿势及不同遮挡的情况下均具有良好的对齐效果。然后,在人脸对齐的基础上进行人脸三维重建。文中提出了BFM-3DMM模型,其在原始3DMM模型的基础上添加了表情参数。但是,经过BFM-3DMM模型校正后的人脸仍然不够平滑,利用SFS算法不会受到原始统计模型约束的特点,对BFM-3DMM模型校正后的二维人脸进行再校正。在AFLW和LFPW数据库及自测人脸数据库上进行了相关实验,结果证明,校正后的二维人脸更加平滑且具有高保真度,还能够保留图像背景等信息。

AAM在多姿态人脸特征点检测中的应用

主动表观模型AAM是经典的特征点检测方法,但是受到其线性预测模型能力的限制,当初始位置偏离目标位置过大时,很难收敛到正确位置,因此传统的单一AAM模板很难满足多姿态人脸特征点检测的要求。针对此问题,提出了一种基于多模板AAM的人脸特征点检测方法:首先定义模板相似度和人脸特征点,将人脸姿态划分为若干类,每一类姿态训练一个特定的AAM模板;然后对测试样本,利用每个AAM模板搜索特征点,并计算搜索结果与模板的相似度,选择相似度最大的AAM模板的搜索结果作为最终的特征点检测结果。通过相似度选择模板的方法可以为AAM搜索提供相对偏离较小的初始位置,因此可以精确地检测特征点。在东方人脸数据库上的实验结果证明了模板选择的必要性和相似度定义的合理性。在整个数据库上的测试结果表明,92.11%的测试图像均可以通过相似度准则选择到正确的AAM模板,从而可以精准地检测特征点;99.92%的图像可选择到正确的AAM模板或其相邻模板,故可以检测到较为准确的特征点。

应用于人脸识别的基于Candide-3特定人脸三维重建

针对不同的姿态对人脸识别的影响,提出了一个基于Candide-3参数模型的特定人脸三维重建方法.该方法同时利用了主动形状模型和主动表观模型的优点,较好地提高了特定人脸三维重建的时间效率和准确程度.将该方法对输入的图像进行姿态校正之后再进行识别,极大提高了识别正确率.对CMU-PIE数据库中4种不同姿态集的识别结果表明了方法的有效性.

基于混合特征和多HMM融合的图像序列表情识别

当前多数图像序列的人脸表情识别方法仅提取图像的某一类特征,导致特征参数不能全面地反映脸部情感信息.提出一种基于混合特征和多HMM融合的图像序列表情识别方法.采用Gabor小波变换、二维离散余弦变换分别提取眼睛及眉毛区域、鼻子区域的纹理变化特征,对嘴巴区域则采用主动表观模型提取形状变化特征.对待测图像序列中的每个表情特征区域采用离散隐马尔可夫模型得出6种表情概率;然后根据在训练阶段得到的每个表情特征区域对每种表情的贡献权值进行加权融合,并选择融合后的表情概率最大者作为识别结果.实验结果表明,该方法综合了表情的纹理与形状变化,能够得到很好的识别效果,且处理速度快,适合于实时图像序列的表情识别.

基于Kinect传感器的瞳孔定位算法

传统算法通常需在头部稳定或光线明亮的情况下进行,较难在自然条件下对多姿态头部运动时的人眼进行跟踪。针对该问题,提出基于Kinect传感器的瞳孔定位算法,使用三维主动表观模型(AAM)对眼轮廓匹配得到眼部特征点,粗定位分割出眼睛,再对瞳孔进行精确定位。实验表明:在多姿态与头部带有遮挡物的情况下仍能较好地跟踪和定位人眼。

基于AAM和T型结构的人脸3D姿态估计

在分析已有的人脸姿态估计方法基础上,提出了一种基于主动表观模型(AAM)和T型结构的人脸3D姿态估计方法。对多姿态的人脸样本进行训练,得到多姿态的AAM模板集;利用训练得到的多姿态的AAM模板集进行最佳模板匹配,并对人脸的特征点进行精确定位;用人脸的双眼和嘴部构建T型模型,进行人脸3D姿态的参数估计。实验结果表明,该方法能适应较大的姿态旋转角度,并具有良好的姿态估计精度。