基于彩色人脸模板的人脸检测算法

针对目前基于色彩的人脸检测只能用于人脸区域的粗检这一不足,提出一种利用人脸的五官位置及色彩信息建立彩色人脸模板的算法。采用光照补偿对图像进行预处理,利用YCbCr空间中的肤色模型进行粗检,确定出人脸候选区域,利用建构好的模板进行搜索比对定位出人脸。实验结果表明该方法对不同光照环境和复杂背景的图片均有较好的适应性,检测精度也得到了提高。

人脸模板编辑系统的设计与实现

利用C++Builder语言开发易操作的人脸模板编辑系统的设计思路及核心代码,为解决模板匹配、图形变换等问题提供了技术借鉴。

基于三维人脸模板的外鼻缺损三维形态补全方法初探

目的基于三维人脸模板的非刚性配准过程探讨外鼻缺损三维形态补全方法,为鼻赝复体的数字化设计提供新的解决方案。方法选取2022年6至12月于北京大学口腔医学院·口腔医院修复科就诊的牙体缺损或缺失男性患者20例,年龄18~45岁,采集患者原始三维颜面数据,用Geomagic Wrap 2021软件构建外鼻缺损三维颜面数据。使用课题组前期研究中构建的结构化三维人脸模板数据,基于非缺损区形态,通过MeshMonk程序(一种非刚性配准算法)将三维人脸模板变形配准至外鼻缺损三维颜面数据上,获得三维人脸模板个性化变形后的数据,即补全人脸三维数据。基于外鼻缺损三维颜面数据的缺损边界,在补全人脸三维数据上裁剪出补全外鼻三维数据。对比分析补全人脸三维数据与原始三维颜面数据的鼻面角和鼻唇角,测量补全人脸三维数据鼻长与中面高、鼻宽与内眦间距的比值,评价补全外鼻三维数据的边缘曲线与外鼻缺损三维颜面数据缺损边缘曲线的边缘密合度,并分析补全外鼻三维数据与原始三维颜面数据鼻部相同标志点间距离值。结果20例原始三维颜面数据与补全人脸三维数据的鼻面角(分别为28.2°±2.9°、28.4°±3.5°)、鼻唇角[分别为95.4°(19.2°)、99.9°(9.5°)]差异均无统计学意义(t=-0.23,P=0.823;Z=-1.72,P=0.086)。补全人脸三维数据鼻长与中面高的比值为0.63±0.03,鼻宽与内眦间距的比值为1.07±0.08。补全外鼻三维数据的边缘曲线与外鼻缺损三维颜面数据缺损边缘曲线的曲线偏差(均方根值)为(0.37±0.09)mm、最大偏差为(1.14±0.32)mm,曲线偏差值位于±1 mm之内的占比为(97±3)%。补全人脸三维数据与原始三维颜面数据上对应鼻部标志点间距离分别为鼻根点[1.52(1.92)]mm,鼻尖点(3.27±1.21)mm,鼻下点(1.99±1.09)mm,右鼻翼点(2.64±1.34)mm,左鼻翼点(2.42±1.38)mm。结论本项研究提出的外鼻缺损三维形态补全方法有较好的可行性,构建的补全外鼻三维数据的面部协调性和边缘密合度较好,形态与原始三维颜面数据的鼻部形态接近。

基于三维人脸模板的颜面解剖标志点自动定点方法初探

目的探讨建立一种高效、自动确定三维数据颜面解剖标志点(简称标志点)的方法,并对该方法的定点效果进行初步评价。方法选取2021年6至8月于北京大学口腔医学院·口腔医院修复科就诊的牙体缺损或缺失男性患者(面部对称性良好)30例,年龄18~45岁;采集患者三维颜面数据,基于普氏分析算法进行尺寸归一化和重叠对齐。在Geomagic Studio 2013软件中构建三维人脸平均模型,并通过参数化处理构建三维人脸模板,使用MeshLab 2020软件在其上确定32个标志点序号(10个中线标志点和22个双侧标志点)。选取2021年6至8月于北京大学口腔医学院·口腔医院正畸科或口腔颌面外科就诊的下颌无偏斜和下颌轻度偏斜男性患者各5例,获取患者三维颜面数据作为测试数据,基于三维人脸模板及其标志点序号,借助MeshMonk非刚性配准算法程序自动确定测试数据32个标志点坐标,作为模板法定点数据。由同一名主治医师人工确定测试数据32个标志点位置,记录标志点坐标作为专家法定点数据。计算模板法与专家法标志点距离,作为定点误差,评价模板法的定点效果。结果对于5例下颌无偏斜患者,模板法所有标志点的定点误差为(1.65±1.19)mm,其中中线标志点的定点误差为(1.19±0.45)mm,双侧标志点的定点误差为(1.85±1.33)mm。对于5例下颌轻度偏斜患者,模板法所有标志点的定点误差为(2.55±2.22)mm,其中中线标志点的定点误差为(1.85±1.13)mm,双侧标志点的定点误差为(2.87±2.45)mm。结论本项研究提出的通过三维人脸模板自动确定标志点的方法具有一定的可行性,其对中线标志点的定点效果优于双侧标志点,对下颌无偏斜患者标志点的定点效果优于下颌轻度偏斜患者。

基于最小二乘法的彩色模板人脸检测算法

人脸检测（Face detection）是人脸信息处理中一个重要的研究方向，检测方法主要包括：基于肤色，利用肤色信息分割出候选区域，再结合人脸几何特征或灰度特征验证候选区是否为人脸。

有限空间低照度低分辨率图像中人脸检测

为在有限空间低照度低分辨率监控图像中检测人脸,采用了模板匹配算法进行研究.用直方图均衡化增强和空域高通滤波方法对原始监控图像进行了处理;根据脸部固定结构特点,构造了平均人脸模板,并用模板匹配的方法来检测图像中的人脸.结果表明,空域高通滤波使图像的整体灰度和对比度降低,正面平均脸模板在匹配检测中适应侧面人脸的角度变大,而直方图均衡化图像的处理结果则相反;在此图像监控系统中,直方图均衡增强化适用于图像的输出模块;而空域高通滤波图像中的人脸检测的整体正确率比原图像的提高了2倍.

一种快速而精确的多人脸检测与定位算法

根据由粗到精的思路,综合利用了眼睛器官的特征、人脸模板以及基于人脸区域象素分布的统计信息等线索.首先用基于AdaBoost学习算法的级联模型发现可疑人脸区域,然后在可疑人脸区域内发现可疑眼睛区域并组合可疑眼睛区域对得到候选人脸区域,最后用人脸模板验证候选人脸区域,精化人脸定位.实验表明,本算法能快速而精确地实现多人脸检测与定位,且对彩色图像和灰度图像都适用.

基于颜色和特征匹配的视频图像人脸检测实现技术

A face detection method using statistical skin-color model and facial feature matching is presented in this paper. According to skin-color distribution in YUV color space,we develope a statistical skin-color model through interactive sample training and learning. Using this method we convert the color image to binary image and then segment face-candidate regions in the video images. In order to improve the quality of binary image and remove unwanted noises ,filtering and mathematical morphology are empolied. After these two processing,we use facial feature matching for further detection. The presence or absence of a face in each region is verified by means of mouth detector based on a template matching method. The experimental results show the proposed method has the features of high speed and high efficiency,but also robust to face variation to some extent. So it is suitable to be applied to real-time face detection and tracking in video sequences.

复杂背景下视频序列中的人脸定位算法

视频序列中的人脸定位是利用视频图像进行人脸识别的关键技术。为提高视频序列中人脸定位的准确性,通过分析彩色视频序列中的人脸特点,提出一种采用背景去除、肤色区域探测、水平亮度投影和垂直梯度运算、特征点拟合等人脸模板特征的方法,对视频序列中的人脸进行定位。实验结果表明,该方法定位的人脸能够满足实际应用,已利用本方法开发了人脸门禁系统。

科研动态

西安电子科技大学课题组提出个人生物特征隐私保护新策略。如何保障生物识别信息的安全?近日,西安电子科技大学生物特征识别与加密实验室针对人脸识别的安全性问题,提出了一种可撤销的人脸模板保护方法,该方法在加密域进行识别,在不损失识别精度的同时满足生物特征模板的不可逆。

基于均值漂移算法的人脸自适应跟踪

采用自适应人脸方向模板和YCbCr自适应肤色模型,提出了一种新的基于均值漂移算法的自适应人脸跟踪方法。与传统的均值漂移跟踪方法相比,当人脸倾斜时或光线变化时,该方法能更精确地描绘出人脸位置。实验结果表明,在基本上不增加计算量的情况下,该方法能对人脸的倾斜和光线的变化进行很好地自适应跟踪。

一种基于肤色和脸部特征的人脸特征点检测算法

人脸检测通常是人机系统中人机交互的第一步,像人机系统中基于人体特征的用户身份识别,计算机对用户感情和意图的理解等。本文提出了一种用于办公室环境下的彩色图像中人脸检测算法。基于一种新的肤色检测算法,对图像进行肤色区域检测。算法通过构建眼,嘴模板来进行人脸的校验。实验结果表明,该算法可以实现在图像中出现照明,人脸表情,尺度较大范围变化情况下的人脸检测。

一种基于人脸图像的年龄估计方法

有关年龄估计的研究在人机交互领域有着非常重要的意义。该文提出一种基于人脸图像的年龄估计方法,该方法首先基于颅面成长模式理论建立人脸测量模板,在此模板上计算面部几何比例特征,然后运用分数阶微分提取人脸局部区域的纹理特征,结合这两类特征构成个体年龄特征向量;通过聚类学习的方法训练年龄特征向量获得年龄-特征映射矩阵,最后由此矩阵表决出输入人脸的估计年龄。实验结果表明,基于这两种特征构建的年龄估计模型可以获得较好的年龄估计结果,年龄误差较小,分类准确率接近人的主观判断结果。

面部表情跟踪描绘中的边缘特征量

由于外界环境的不确定性和人脸的复杂性,人脸表情的跟踪与计算机形象描绘是一个较难问题.基于此问题,提出了一种有别于模式识别、样本学习等传统手段的较为简单解决方法,在视频采集条件下,分析帧图像,通过对比多种边缘检测方法,采用一种基于边缘特征提取的人脸表情建模方法,来完成用于表情描绘的面部特征量提取与建模,并结合曲线拟合和模型控制等手段,进行人脸卡通造型生成和二维表情动画模拟.实现了从输入数据生成卡通造型画并真实地表现出表情变化情况.

一种自动3D面部区域分割方法

提出一种用于美容整形的三维人脸模型自动分区方法。通过不同分辨率模型、主成分分析数据、鼻尖特征和相交曲线形状等进行组合分析,生成标准的正面朝向的三维人脸模型,然后,自动渲染生成二维图像并用可靠的二维人脸特征检测方法生成二维标志点,逆向生成三维人脸标志点。最后,基于对应的三维标志点,将标准制作的解剖学分区模板与输入模型进行自动拟合,自动生成17个区域,用于不同类型的美容整形手术。在实际三维人脸模型分割实验中拟合基元的分层聚类算法、基于"形状直径函数"(SDF)的算法以及SNAKE方法等对比方法。研究结果表明:本文方法所得实际分割效果比对比算法好,在相同实验环境下,本文方法比这3种对比方法分别快10,70和50 s。