BJUT-3D三维人脸数据库及其处理技术

BJUT-3D是目前国际上最大的中国人的三维人脸数据库,其中包括经过预处理的1200名中国人的三维人脸数据,这一数据资源对于三维人脸识别与建模方面的研究有重要意义.首先介绍了BJUT-3D数据库的数据获取条件、数据形式,并针对数据库建立过程中数据预处理技术进行了讨论.最后作为数据库的直接应用,进行了多姿态人脸识别和人脸姿态估计算法的研究.实验结果证实,该算法具有良好的性能.

基于3D人脸数据库的儿童面部发育评估

研究发现，患有遗传性疾病的人脸常伴有面部发育异常的问题，如患有威廉姆斯综合征（WS）和唐氏综合征（DS）的人脸。为此，对儿童面部发育的研究有助于遗传性疾病的早筛查与早诊断。基于目前国内还没有儿童3D人脸数据库的现状，通过3dMDface人脸采集系统，采集人脸5 600例，对原始数据进行预处理使人脸稠密对应，从而构建3D人脸数据库。利用人体测量学标定面部各器官的关键点，建立标准测量指标，建立儿童面部发育评估系统。其中，对浙江地区分别患有DS的人脸55例和患有WS的人脸30例的19项测量指标与正常人脸比较分析。结果发现，DS人脸两眼内宽分布在第90百分位以上的样本为76．3％，鼻长分布在第10百分位以下的样本为61．8％，耳长分布在第lO百分位以下的样本为87．2％，上面深分布在第10百分位以下的样本为89％，颅面变异指数为1．630～2．117，T检验分析为T=10．130，P=．000；WS人脸鼻宽与口裂宽分布在第75百分位以上的样本分别为50％和66．7％，而两耳屏间宽分布在第25百分位以下的样本为63．3％，颅面变异指数为1．714-2．365，T检验分析为T=12．213，P=．000。这表明，该两种特殊人脸与正常人脸差异具有明显的统计学意义。因此，利用该评估系统能正确反映患有遗传性疾病特殊人脸的显著性特征，基于3D人脸数据库建立的面部发育评估系统对儿童生长发育及面部异常的评价具有临床应用价值。

基于人脸数据库的形变模型研究综述

形变模型是基于三维人脸原型库的人脸建模方法。因为该模型具有自动化、真实感好等优点,成为近年来人脸建模研究的热点。该文回顾了形变模型建立的过程,总结了近几年对于形变模型研究的新进展,并对形变模型发展进行了展望。

基于预筛动态人脸数据库的城市轨道交通人脸识别过闸系统性能优化方案

针对城市轨道交通人脸识别过闸系统存在的性能不足问题,提出了一种基于预筛动态人脸数据库的性能优化方案。该方案通过人脸数据预筛,建立预筛动态人脸数据库,从而缩短人脸识别过闸系统中人脸比对+搜索的耗时,进而实现系统性能优化的目标。经试验,此优化方案能使人脸识别过闸系统性能得到较大提升,具有较高的可行性。

三维人脸衰老数据库的生成

采用改进的形变模型方法将真实人脸衰老图像重建成三维人脸,进而生成三维人脸衰老数据库,并根据性别和年龄形成三维衰老人脸性别子库和衰老子库.结果表明,此方法可有效地为三维人脸衰老化研究提供三维衰老人脸数据.

CAS-PEAL大规模中国人脸图像数据库及其基本评测介绍

人脸图像数据库是人脸识别算法研究、开发、评测的基础 ,具有重要的意义 介绍了自行创建并已经部分共享的CAS PEAL大规模中国人脸图像数据库及其基准测试结果 CAS PEAL人脸图像数据库中包含了 10 4 0名中国人共 994 5 0幅头肩部图像 所有图像在专门的采集环境中采集 ,涵盖了姿态、表情、饰物和光照 4种主要变化条件 ,部分人脸图像具有背景、距离和时间跨度的变化 目前该人脸图像数据库的标准训练、测试子库已经公开发布 与其他已经公开发布的人脸图像数据库相比 ,CAS PEAL人脸图像数据库在人数、图像变化条件等方面具有综合优势 ,将对人脸识别算法的研究、评测产生积极的影响 同时 ,作为以东方人为主的人脸图像数据库 ,CAS PEAL人脸图像数据库也使人脸识别算法在不同人种之间的比较成为可能 ,利于人脸识别算法在国内的实用化 还给出了两种基准人脸识别算法 (Eigenface和Correlation)和两个著名商业系统在该人脸图像数据库上的测试结果 。

BHU人脸表情数据库的设计与实现

提供了一个较为全面的人脸表情数据库,它包含3类人脸表情:单一表情、混合表情和复杂表情.本数据库具有在其它人脸数据库中未曾出现的情感表情,对世界人脸表情数据库进行了有益的补充.对数据库单一表情的部分样本进行了问卷调查,给出了对每个样本的评价,并通过统计分析给出了对数据库中单一表情可识别性的评价.通过对9种单一表情的识别实验,说明了多类表情识别的可行性.本表情数据库对人脸表情识别和人机交互领域的研究具有积极的促进作用.

人脸表情视频数据库的设计与实现

人脸表情分析与合成是近年来人机交互领域的研究热点。由于不同研究小组使用的数据集各异,不同方法的效果和适用性缺乏统一的测试基础。为此,该文研究了人脸表情分析与合成的问题空间,建立了一个大型人脸表情视频数据库,并制定了一套人脸表情视频数据库技术规范。该数据库采集时采用正面充分光照,从3个不同的视角记录图像数据,内容包括了70个人的1000段脸部表情视频,涵盖了常见的8类情感类表情和中文语音发音的说话类表情,提供了一个中文语音动态视位系统,并对表情序列采用了FACS(脸部动作编码系统)评价。该数据库是我国目前人脸表情研究较全面的基础资源库,可以作为人脸识别、人脸表情识别与合成算法的一个标准测试平台。该文介绍了建立人脸表情视频数据库的一系列关键技术,并给出了该数据库的技术标准。

基于自然状态背景人脸图像数据库的建立

为了解决人脸识别算法设计与测试中图像样本背景单一,难以测试算法在自然环境中的识别效率这一问题,采用了分类实践的方法,建立了基于自然状态背景的人脸图像数据库;同时,设计了图像采集系统,实现了多种状态采集模式,使图像数据库状态丰富.该图像数据库建立了多种状态子库,包括姿态子库、光照子库、表情子库、佩戴饰物子库、时间跨度子库,同时还包括了夜间模式下的人脸图像.研究结果表明:该数据库对于设计高效算法,测试算法在不同状态下的鲁棒性具有很大的价值.该成果对于人脸识别算法的研究和开发具有一定的应用和参考意义.

带有特征信息卷积神经网络的人脸识别算法

图像分类中,卷积神经网络在人脸识别中取得了较大的进展。在卷积提取人脸图像特征信息操作时,当卷积核数目有限的情况下,可能提取到的特征值,如头发、纹理等,并不能很好的代表该人的主要特征,从而导致识别率降低,而增加卷积核数目又会导致识别时间增加。针对这一问题,提出了一种基于特征信息卷积神经网络的人脸识别方法。该方法在图像处理过程中,使用奇异值分解,选取前4个奇异值代表人脸的主要特征,快速滤除大部分无用的特征信息,形成新的图像特征模板库。利用卷积网络在提高网络感受野的同时不丢失特征图信息的优势,融合最具有代表性的特征信息,最大程度地捕捉图像信息。采用卷积神经网络模型和基于奇异值分解的特征融合的结构模型实现人脸识别,仿真实验结果表明,这种方法减少了算法的训练时间,提高了人脸识别的准确性。

基于OpenCV的人脸口罩规范佩戴检测

本文介绍了一种基于OpenCV的人脸口罩规范佩戴检测系统,该系统包含摄像头检测与图片检测两种检测方式,可以给公共场合未佩戴口罩或口罩佩戴不规范的人群提出预警。该系统的摄像头检测是基于Opencv Adaboost级联分类器的新型算法。本算法的优点在于,即使用户未佩戴口罩,也可通过PCA算子训练的“特征脸”数据库,识别用户信息并提醒该用户佩戴口罩,且当用户未规范佩戴口罩时,则会提醒用户规范佩戴口罩。相比于摄像头检测,该系统图片检测增加了Kmeans算子进行图像分割,再对分割出的背景进行GaussianBlur处理,将前景与背景叠加,输出新的图片,最后进行识别,从而大大提高了系统的识别准确度。

三维人脸识别研究进展

三维人脸识别技术具有自然、便捷、用户体验友好等独特优势,已成为学术界和工业界的一个热门研究方向。近几年,针对单目彩色图像、彩色图-深度图数据、点云数据、多模态数据等不同类型的三维人脸数据,研究者们提出了各种新方法来挑战三维人脸识别。根据三维人脸数据的不同格式,将三维人脸识别方法分为从单目彩色图像进行三维人脸重构的识别方法、基于点云数据的人脸识别方法、基于彩色图-深度图数据的人脸识别方法,以及基于多模态数据的人脸识别方法,对比分析了各类方法的原理、区别和联系,全面总结了三维人脸识别研究的最新进展,阐述了各类技术的优势和弊端。介绍了不同格式的人脸数据库,从数据收集方式、表情变化、姿态变化等方面进行分析,最后讨论了三维人脸识别技术面临的挑战和未来的发展方向。

基于子图特征组合的人脸识别技术研究

提出了一种基于子图特征组合的人脸特征提取方法,并结合BP神经网络给出一种人脸识别模型.模型首先将人脸图片分割为子图,然后对每个子图进行离散余弦变换并选择最大的余弦系数表示该子图,最后将这些系数组合为向量作为整幅图像的特征.我们选择BP神经网络作为人脸识别模型中的分类器,并通过实验优化相关参数.基于ORL数据库的模拟实验表明,所提出的特征提取算法是有效的,并且模型具有较高的识别率.

基于深度学习的人脸分析研究进展

近年来,基于深度学习的人脸分析取得了巨大的进步,成为计算机视觉领域最为活跃的研究方向之一.为了进一步推动深度学习和人脸分析的研究,结合近年已发表的相关文献,对基于深度学习的人脸分析技术进行综述.首先,简要概述深度学习及其发展历史,并分析深度学习有效性原因.然后,按照任务目的的不同,将人脸分析分成了人脸检测、人脸关键点检测、人脸识别、人脸属性识别等任务进行详细的介绍和讨论,重点分析各种任务现阶段存在的主要问题.接着,介绍人脸分析中常用的人脸数据库.最后,讨论深度学习和人脸分析面临的主要挑战,并给出结论.

基于人脸识别的面部民族特征研究

提出基于人脸识别技术的面部民族特征的主要研究方法和研究内容。通过建立中国各民族人脸数据库,利用人脸识别技术对其进行特征提取,构建民族特征的弹性模板用于采集面部全局和局部特征;采用多特征分类器对数据集进行学习,最终对人脸的民族特征进行判别;利用代数特征方法和几何特征方法对藏族、维吾尔族、蒙古族等几个民族的平均识别准确率分别达到82.2%和92.3%。相关的研究工作不仅完善了中国各民族特征和识别的研究内容和方法,同时也为民族识别提供了新的科学手段,并且丰富了人脸识别技术的研究内容。

基于支持向量机和特征向量提取的人脸识别框架

为了研究支持向量机在人脸识别中的应用,提出了人脸识别框架,该框架首先利用特征向量提取算法对人脸进行特征提取,得到人脸面部纹理特征数据,然后采用支持向量机对提取的数据进行训练,得到人脸模板,并依据人脸模板对人脸进行识别。实验采用ORL人脸数据库作为实验数据,使用LBP算法提取特征向量,使用LIBSVM训练得到人脸模板数据库,当模板人脸数与预测人脸数比值一定时,随着人数增加,其预测的正确率会有所下滑;当人数一定时,人脸模板与预测人脸数值上升,其正确率会有所上升。当选择一个相对合适的模板比例时,正确率将会达到89.29%以上。实验结果表明,提出的框架对于人脸具有良好的识别能力。

主成分分析与BP神经网络的人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化。主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求。BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,提高识别的正确率,减少了训练时间,同时简化了网络结构,减少很大的计算量。

基于级联Adaboost和神经网络主元分析算法的人脸检测系统

针对人脸检测过程中难以区分人脸与非人脸等问题,提出了一种基于级联Adaboost和神经网络主元分析(PCA)算法的人脸检测新方法以提高人脸检测的正确率。采用两级检测器对人脸进行区分检测:首先将计算速度较快的Adaboost算法作为第一级检测器对人脸图像快速扫描,对所有判断为人脸的窗口进行合并。然后将合并的窗口提取特征并送入作为第二级检测器的PCA进行验证,排除那些不可能是人脸模式的窗口。最后经过PCA检测结果判别输出验证后的人脸窗口参数(包括窗口的大小和位置信息)。不同算法检测结果显示,基于本方法的人脸检测正确率达到了92.6%,检测率为94.1%;基于Adaboost检测正确率为62.5%,检测率为88%;基于SVM检测正确率为54%,检测率为89%;基于FSS检测正确率为66%,检测率为92%。实验结果表明,本方法能够很好地区分人脸模式和非人脸模式。因此,级联Adaboost和PCA算法组成的两级检测器可以明显提高人脸检测系统的性能。

基于小波子图和决策融合的人脸识别算法

提出了一种基于小波子图和决策融合的人脸识别算法。首先将图象进行适当层数的小波分解 ,每次分解只取最低频子图。然后对低频子图再进行一次小波全分解得到不同方向的四个子图。在这四个子图上分别进行传统的主分量分析 (PCA)或者进行傅立叶变换(即频谱脸算法 ) ,可得到四个识别结果 ,再跟据一种决策融合方案得出最终的识别结果。最后 ,我们用 Olivetti人脸数据库对本文的算法与传统的 PCA算法 ,基于单一小波子图的PCA算法以及频谱脸算法进行了比较。实验结果显示 :应用了多个小波子图以及决策融合方案后 。

一种新的BP神经网络人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化.主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求.在BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,能够提高识别的正确率,减少训练时间,同时简化网络结构,减少很大的计算量.