基于混合能量活动轮廓模型的人脸分割方法

由于受到面部五官、饰物等因素的影响,传统几何活动轮廓模型获取人脸外轮廓会产生凹陷、分片等现象.针对人脸图像的特点,将边缘外张力能量及肤色能量与全局能量结合,提出一种基于混合能量泛函的几何活动轮廓模型,有效地避免了这些问题.首先,根据演化曲线的邻域信息赋予边缘点向外的张力,使曲线能够克服面部特征及面部饰物的干扰,引导其向外轮廓方向演化.鉴于肤色是面部最重要的特征,提出肤色能量,进一步提高了模型的鲁棒性.此外,提出一种基于单高斯模型的改进算法,能够估计出接近实际人脸外轮廓的初始位置,为轮廓演化奠定了基础.在两个公共人脸库上进行测试,该方法能够得到准确的人脸分割效果;以手工分割的结果为基准,该算法定位精度明显优于传统的全局能量模型和局部能量模型.还用日常照片创建一个包含不同姿态、光照、复杂背景等因素、复杂的人脸库,分割结果表明,该方法能够克服这些因素的影响,取得了准确而稳定的人脸分割结果.

基于曲线拟合的人脸分割算法

提出了一种复杂背景下的人脸分割算法 ,算法包括以下步骤 :首先基于人脸检测结果确定内外轮廓及搜索路径 ;然后 ,利用设计的自适应搜索算法 ,对于每一条搜索路径提取出真正的轮廓点 ;最后利用人脸轮廓的平滑性通过曲线拟合来补充不确定边缘点 ,从而完成人脸分割 .该文算法的主要目的是解决人脸轮廓边缘点的不连续性问题 ,提取真正轮廓边缘点用于人脸分割 ,在一定程度上去除部分遮挡造成的假轮廓边缘点 。

复杂背景下的人脸分割

针对复杂背景下人脸位置的不确定性和人脸轮廓边缘点的不连续性,本文提出一种新的人脸分割算法,能够在复杂背景下将人脸快速分割出来。本文算法包括三部分:首先设计了特征与模板相结合的人脸定位算法,在复杂背景中以双眼和嘴的坐标为基准确定人脸位置;其次,设计了自适应搜索算法,提取真正的人脸轮廓点,去除“假”轮廓点;最后利用人脸轮廓的平滑性通过曲线拟合来补充不确定轮廓点,完成人脸分割。本文算法综合利用了人脸的肤色、表面结构、轮廓边缘以及轮廓的平滑性等特征完成人脸分割,实验结果证明了算法的有效性。

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。

复杂背景彩色图像中的人脸分割技术

主要介绍了如何在含有复杂背景的彩色图像中进行人脸分割的技术。首先根据人的肤色在色度空间的聚类特性,寻找合适的色彩空间建立肤色模型。计算图像中所有像素的颜色与肤色的相似度值,并将其转换成0到255之间的灰度值,以得到图像的相似度灰度图,接着通过大津阈值分割进一步得到二值图,将人脸肤色区域与背景分离,从而定位了人脸区域。最后,利用人脸的结构特征,进一步缩小人脸区域范围,最终找到包含人脸主要特征部位(眼睛、鼻子、嘴巴)的人脸区域。

一种改进深度卷积生成对抗网络的人脸分割方法

在智能算法领域,人脸识别是一个重要的算法部分,而人脸分割又是人脸识别的一个重要组成部分。提出一种基于改进的深度卷积生成式对抗网络的人脸分割方法,将端到端的图像变换模式应用于生成器中,利用生成器对人脸图像进行分割。深度卷积生成式对抗网络将卷积层加入到生成器和判别器,使得生成器通过反卷积产生图像,而文中在反卷积之前再加入卷积层,组合形成全卷积的网络结构,将生成器的图像生成功能扩展成为语义分割功能。同时,生成器的输入原图和输出标签的通道组合作为判别器的判别对象,通过判别器来评判分割水平,进一步提高分割的标签与输入原图的关联性。经过多次实验,验证此方法能有效分割人脸主要区域。

一种基于人脸分割的PCA和SVM人脸识别方法

基于PCA和SVM提出了一种新的人脸分割法,将双眼、额头、鼻子、嘴等可以明显表征人脸的六类特征提取出来,舍弃双颊以及耳朵等特征量少的部位。融合上述人脸的特征识别结果,运用支持向量机的方法进行分类识别,实验结果表明,文章所提出的PCA与SVM融合的新的人脸分割方法能有效地对人脸进行分类,极大地提升识别率。

基于Sobel算子的人脸分割算法

本文提出了一种基于Sobel算子的人脸分割方法,该方法主要包括边缘提取、细化、对称性分析和人脸分割等几个主要步骤。试验结果表明该方法对于灰度图像是很有效的。

基于混合高斯分布的红外人脸分割研究

本文研究了基于混合高斯分布的红外人脸分割。先将人脸像素点用不同的高斯分布进行分类,再利用统计学的概率大小决定某个像素点应该是人脸皮肤,还是背景,达到分割目的。并对测试图像的每个像素点使用贝叶斯公式,使得分割的错误率达到最小。实验证明,用该方法进行红外人脸分割可以达到了比较理想的效果。

基于人脸分割的复杂环境下表情识别实时框架

复杂环境下人脸表情识别由于人脸姿势、遮挡及光照等因素影响,相较于可控环境下的人脸表情识别具有更高的挑战性。针对复杂环境下人脸表情识别精度低以及现阶段用于表情识别的网络结构复杂造成的识别效率低等问题,提出了一种基于人脸分割的复杂环境下表情识别实时框架。该框架包括用于人脸区域分割的Fs Net(Face segmentation Network)和用于表情识别的Tc Net(Tiny classification Network)。Fs Net旨在分割出对表情识别最相关的人脸区域以提升Tc Net识别精度,其训练数据集基于已有数据集构建。两个网络的结构设计均趋于精简化以保证整体框架的实时性需求。在FER-2013和RAD-DB两个复杂场景人脸表情数据库上的实验表明,人脸区域分割的方式有利于提高复杂环境下人脸表情的识别率,且整体框架在保证实时性的同时达到了良好的识别效果。

基于肤色特征的最短生成树方法进行人脸分割

提出采用基于肤色特征的最短生成树方法从复杂景物中对人脸进行分割，利用色调和饱和度空间进行联合分割．其方法优于在灰度空间中进行的分割，并在一定程度上不受阴影和光强的影响．最短生成树方法考虑相邻象素的相互关系，可提高分割的鲁棒性和准确性．实验证明，本方法有一定实用价值．

基于权值优化与纹理特征的快速人脸分割算法

针对传统Grab Cut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息,当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误,以及基于像素的运算导致分割效率不高的问题,提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法利用多尺度分水岭对图像进行预分割,构建区域邻接图;然后对每个区域进行颜色和纹理特征的提取,通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联,采用自适应参数将纹理约束项引入能量函数,并将改进算法应用于人脸图像分割,有效改善了分割效果。实验结果表明,该算法分割结果更加准确,效率更高。

一种基于人脸分割的人脸识别方法

为了减少数据存储量,加快计算速度,提出一种人脸探测、识别方法。在复杂背景中提取到人脸部分图像并把包含人脸最主要的特征左右眼、鼻子、嘴巴、下巴从图像中单独提取出来,而丢弃人脸其他特征不明显部位,从而大大降低了图像矩阵的维数。在识别中应用PCA(主成分分析)法提取特征然后应用SVM(支持向量机)方法进行分类识别。根据ORL标准人脸库的实验表明,所提出的人脸识别方法具有较好的识别效果。

基于三次精调的人脸分割方法

针对人脸分割的精度问题,提出了融合网络深层特征和浅层特征的新结构,三次精调人脸检测框,提高人脸分割的精确度。新结构结合通道注意力与空间注意力机制,利用深度分离卷积,为每个通道特征提供各自对应的注意力权重,充分利用深层语义信息与浅层定位信息,为精确分割提供特征信息,三次精调为分割提供准确的检测结果。实验结果相比Mask R-CNN的mAP提高0.1,相比最新方法mAP提高0.2。

基于肤色平滑度的人脸分割

人脸检测具有非常重要的现实意义.在进行人脸检测时,人们通常将注意力集中在眼、鼻、口等具有显著特征的核心区域,而忽略人脸面部、额头肤色是比较的平滑的这一特征.针对这点,本文提出肤色平滑度的概念,并利用这一概念和HSV颜色模型对图像进行分割.实验表明,本文的基于肤色平滑度的分割方法,能方便快速有效地分割出处于各种旋转角度、各种光照条件、各种颜色背景下的人脸.

基于MATLAB的人脸图像分割算法研究

对基于MATLAB的人脸图像分割算法进行研究,利用颜色空间的不同色度特性,将给定的人脸图像按照不同色度划定的取值范围进行人脸和背景的分割。给出了三种颜色空间的基本原理,包括RGB颜色空间,HSV颜色空间,YCrCb颜色空间,对RGB颜色空间转换到HSV颜色空间和YCrCb颜色空间进行描述,并采用MATLAB软件完成图像的颜色空间转换。基于两种颜色空间完成不同类型人脸图像的图像分割,并对分割效果进行对比分析。

基于多特征融合条件随机场的人脸图像分割

由于发型、头部姿势、服装、遮挡等现象的多样性,人脸图像分割一直是一个具有挑战性的课题。为了提高复杂背景图像的人脸分割正确性,提出了一种基于多特征融合条件随机场(CRFs)的方法。该模型建立在图模型上,图中的每一个节点对应一个超像素,每一条边缘则连接一对相邻的超像素。使用颜色和纹理特征定义节点的能量函数(一元能量函数),使用位置信息和相邻超像素之间的差异定义边缘的能量函数(二元能量函数)。分割是通过条件随机场融合节点能量函数和边缘能量函数推理而得。考察了该模型在2个无约束人脸数据库上的分割性能,实验结果表明该方法可以有效地从复杂人脸图像中分割出面部皮肤、头发和背景区域。

三维人脸测量与分割系统研究

三维人脸的测量与分割有着广泛的应用需求,是目前重要的研究方向,但三维人脸数据的庞大、无序等问题制约了其快速发展。首先开发了基于结构光方法的三维人脸测量系统,获得以点云形式存储的高精度三维人脸数据。其次,采用保角变换对三维人脸数据进行了预处理,并采用二维卷积神经网络分割结合三维反映射的思路,实现了三维人脸的分割,解决了三维数据的无序性以及旋转性,降低了三维数据分割的时间消耗。实验结果表明,本文提出的三维人脸测量系统精度可达0.5 mm,三维分割的平均交并比可达0.78,二维分割结合三维反映射的整体效率明显高于直接进行三维分割的效率。

基于视觉显著特征的人脸图像分割与跟踪方法的研究

将人脑视觉注意机制应用于人脸图像分割与跟踪中,提出了一种基于视觉显著特征的人脸目标分割与跟踪算法.该方法由三步完成:首先通过模拟人脑视觉注意机制迅速而准确地利用颜色、结构、梯度和位置等信息建立人脸显著特征图.其次,基于建立的视觉显著特征图,对人脸图像视觉显著特征进行学习和聚类,最终能够快速而准确地确认和分割出图像中的人脸区域.该方法突破了传统的逐点搜索的限制,通过一个几何模型和眼图模型对图像中的人脸区域进行搜索,大大提高了人脸候选区域搜索标记的效率,减少了后续处理工作.最后,通过分割出的人脸区域得到一个有效的边界特征图,并融合人脸显著特征图对人脸进行跟踪.实验结果表明本论文所提出的基于视觉显著特征的人脸图像分割与跟踪方法能够较有效地分割出人脸.

边缘优化下的戴口罩人脸实例分割

传统基于人脸关键点的人脸检测方法,在戴口罩的人脸识别中由于口罩大面积遮挡精度大幅下降,而分割算法在边缘特征上误检率较高。为了更精准地定位出戴口罩人脸的有效区域,本文提出了一种融合多阶段边缘分割算法的戴口罩人脸精细实例分割方法。一方面,在掩模区域卷积网络(Mask Region Convolutional Neural Networks,Mask RCNN)中添加了可拆分注意力的思想,增强了不同尺寸特征间的联系和检测性能;另一方面,使用双线性差分孪生网络搭建遮挡字典结合多阶段边缘优化分割方法优化目标边缘信息,逐步实现精细分割。在RMFD戴口罩人脸数据集上进行训练和测试。实验结果表明,RS_Mask R-CNN+边缘分割模型相比于基准Mask R-CNN的平均像素精确度(Pixel Accuracy,MPA)提高了4.11个百分点,目标检测精度达99%以上,在自遮挡以及不同类型口罩的人脸图像上都能取得不错的分割效果。