一种姿态变化下的ASM人脸特征定位方法

为了解决传统主动形状模型(ASM)在姿态变化情况下的人脸特征定位不准确的问题,提出一种姿态变化下的ASM人脸特征定位方法。首先在ASM初始化过程中添加一个旋转因子R来初始化人脸形状向量b,使得当人脸有姿态变化时,能自动调整人脸的偏转方向;然后融合局部二值模式算子建立局部纹理模型;最后在IMM人脸库上进行测试,平均定位误差为7.102 0个像素点,比传统的ASM提高35.85%。实验结果表明,与传统的ASM相比,该方法显著改善了姿态变化下的人脸特征定位不准确的问题,并提高了对各特征点的提取精度。

基于支持向量机的多姿态人脸特征定位

提出一种多姿态人脸特征定位方法,在Adaboost定位的人脸区域中划分眼、鼻和嘴的搜索区域,利用眉眼和鼻嘴整体特征,通过大规模多姿态五官样本训练的支持向量机在搜索区域中确定候选眼、鼻及嘴区域。对候选眼、鼻及嘴区域进行筛选与合并以确定最佳位置,实现多姿态人脸上五官的准确定位。实验结果表明,该方法具有较好的精确性和鲁棒性,能适应复杂背景下表情变化的多姿态人脸上的眼、鼻及嘴的定位。

基于多种群遗传算法的人脸特征定位

活动形状模型(Active Shape Model,ASM)是一种用于特征定位的统计形状模型。在原活动形状模型的基础上,提出一种新的多种群遗传算法(Multipopulation Genetic Algorithm,MPGA)去搜索人脸图片的最好表示。并且根据面部各主要特征的特点确定适应度函数。实验结果表明,改进的ASM对于人脸特征定位有较好的效果。

一种鲁棒的人脸特征定位方法

提出了一种基于AdaBoost算法和C-V方法的人脸特征定位方法。首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器;然后结合人脸边缘图像的先验规则,使用人脸检测器提取人脸区域;接着利用眼、鼻、嘴检测器从人脸区域中检测出人脸特征所在的矩形区域;最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓,进而得到人脸关键特征点的位置。在DTUIMM人脸测试集上,眼睛的检测率为100%,鼻子的检测率为95.3%,嘴巴的检测率为98.4%,提取出的特征点位置准确。实验结果表明方法是有效和鲁棒的。

利用肤色分割和对称变换实现鲁棒人脸特征定位

提出一种将肤色分割与灰度图像对称变换相结合的有效的人脸特征定位方法。为降低背景和人脸姿态的影响,在传统人脸肤色分割基础上,利用Blob分析及椭圆拟和方法判断并剔除无效区域,并将待选人脸区域初步校正为竖直;直接利用色度信息在待选人脸区域中分割并检测嘴唇;接着,采用灰度图像的对称变换检测双眼的待选位置;以嘴唇和待选双眼的位置为依据,提出了基于人脸几何模型知识的双眼匹配代价函数并利用组合优化方法检测真实双眼;最后,对人脸上其它器官的进行精确定位。实验结果表明,该方法对于头发遮挡、大倾斜角以及眼镜干扰具有较强的鲁棒性。

正面小角度偏转下的ASM人脸特征定位方法研究

在前人的基础上提出一个基于主动形状模型(ASM)的改进方法。由于传统的ASM方法很难在每个特征点上都得到比较准确的结果,并且,传统的ASM方法的匹配结果受初值的影响非常大。针对传统的ASM方法的缺陷与不足,特别是对光照及姿态变化不够鲁棒,为了使ASM对姿态变化更加鲁棒,从而实现正面小角度偏转的人脸特征定位,提出了几点改进的方法:有选择性地对光照敏感的标记点(眉毛、眼睛、鼻子)使用2D轮廓;使用堆叠二个ASM系列模型进行搜索,改善初始位置设置不当造成的搜索失败;对眼睛部分单独扩展了标记点,从而使眼睛的特征定位更加鲁棒;在搜索时使用人脸检测算子自动定位人脸及眼睛位置,使人脸左右小角度偏转时特征定位更加鲁棒。实验结果表明,改进的ASM方法在准确性和鲁棒性上有较大提高。

基于头肩图像序列的人脸特征定位系统的实现

针对复杂背景的人脸彩色图像进行特征定位,一直是研究的热点和难点问题。提出了一种实时进行人脸特征定位的算法。在单人脸头肩图像序列中,首先利用背景差分法提取出人脸前景图像,利用几何先验知识和积分投影法分离出人脸区域;接着在人脸区域中采用YCbC r肤色模型、模板匹配以及边缘检测的方法定位出眼睛和嘴角,最后在RGB空间上采用阈值方法和积分投影法相结合的方法确定眉毛和鼻子的位置。实验表明,系统可以快速地检测出人脸特征,具有较高的检测精度和鲁棒性,检测的帧率达到10 fps。

人脸特征定位在油库安全监控中的应用研究

人脸特征定位是人脸检测与识别中的重点与难点，也是研究的热点；而油库安全是油库各项工作的首位，是油库建设和发展的“生命线”，通过人脸检测进行个人身份识别是消除人为不安全因素，保证油库安全的有效措施。在此背景下提出了一种基于人脸图像的对人脸特征进行定位以及提取轮廓的方法，这种方法可以提高人脸特征检测的效率。并把这种方法应用到油库安全监控中，提出了系统的原理与设计，来达到保障油库安全的目的。

基于改进的OF-ASM人脸特征定位方法研究

为了改进OF-ASM对人脸特征定位的不足,提高其鲁棒性及计算速度,对OF-ASM人脸特征定位方法进行改进:使用不可约的笛卡尔的微分不变量取代OF-ASM的局部纹理描述符;使用多值神经元(MVN)取代KNN分类器;所有标记点使用二维轮廓进行取样构建强度模型。实验结果表明,改进的OF-ASM显著提高了特征定位精确度和计算速度,而且具有对平移、旋转的刚体变换不变性。

基于ARG模型匹配算法的人脸特征定位

本文研究了基于 ＡＲＧ（ Ａｔｔｒｉｂｕｔｅｄ Ｒｅｌａｔｉｏｎ Ｇｒａｐｈ）模型匹配算法的人脸图象的特征定位方法。该方法可有效地完成眼、口、眉的自动定位。基于人脸生理特征我们建立人脸图象的ＡＲＧ模型对人脸图象进行了精确的描述。在此基础上本义采用了连续型Ｈｏｐｆｉｅｌｄ神经网络模型并行处理进行ＡＲＧ模型匹配，通过能量函数极小化得到全局最优的特征定位结果。实验结果证实了该方法有效、稳定、且具有较快的收敛速度。

基于特征融合的人脸特征定位

针对活动形状模型在定位人脸特征点时,对初始位置敏感并且局部模型的建立方法过于单一的问题,本文提出了一种基于特征融合的活动形状模型(LASM)。算法使用SUSAN算子与小波变换结合,提取人脸图像的角点位置作为模型的初始位置,并将局部二值模式与原局部建模方法融合建立局部模型,实验结果表明,与传统活动形状模型相比该方法定位特征点更加精确、有效。

复杂光照下自适应区域增强人脸特征定位

复杂光照条件下的人脸特征定位对于实现非合作人脸重构识别具有十分重要的意义。提出了一种结合自适应区域增强和主动表观模型(AAM)的人脸特征定位方法。该方法采用基于多区域协作拟合的人脸轮廓提取方法提取复杂光照条件下的准确人脸区域,根据准确人脸区域纹理灰度分布将人脸自适应分割为光照良好和光照不足区域,并分别进行直方图均衡补偿,然后采用AAM算法进行特征定位以及边缘轮廓特征点校正。实验表明,提出的方法在复杂光照下平均点对点误差以及平均最近点线距误差方面均优于标准的AAM算法以及基于Retinex滤波的AAM算法,证明该方法在一定程度上补偿了光照不均匀对传统AAM算法的影响,提高了人脸特征定位的准确度。

一种改进的基于主动形状模型的人脸特征定位方法

主动形状模型是目前一种常用的人脸特征定位方法.针对传统的主动形状模型过度依赖模型初始参数的设置问题,提出了一种改进的基于主动形状模型的人脸特征定位方法.首先,通过样本学习得到输入新图像的灰度重构系数,并将这组系数用于人脸形状的重构,再由重构出的人脸形状得到主动形状模型的初始参数,然后通过不断调整模型参数减少模型与目标轮廓的距离误差,最后在数次迭代后达到模型与实际人脸特征轮廓的匹配.与基于传统主动形状模型的特征定位相比,改进的主动形状模型具有较高的准确性,能快速定位出各目标特征.

基于局部二值模式的ASM人脸特征定位方法研究

对人脸特征定位来说ASM是一个功能强大的工具。然而用作建立局部灰度结构模型时对光照非常敏感,不够鲁棒。实际上,在搜索过程中不同光照条件下训练形状模型时明显会得到不同结果。为了提高对光照变化的鲁棒性,在引入LBP算子的基础上,提出了三种基于ELBP的人脸特征定位方法:基于轮廓的ELBP-ASM,基于正方形的ELBP-ASM及基于分割正方形的ELBP-ASM。其中基于分割正方形的ELBP-ASM取得更加精确的结果,对光照变化最鲁棒。

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。

基于小波变换的人脸特征定位

提出一种基于离散小波变换 (DWT)的人脸检测与特征定位算法 ,算法针对人脸的不同特征 ,选择小波变换相应最有效的频段和分量 .运用椭圆检测算法、模板匹配算法、Hough变换等方法 ,并结合人脸各特征间的几何特征关系 ,采用由粗到细的方法分步地检测人脸范围 ,分割定位人脸的眼睛、虹膜、嘴、鼻尖等特征 .该算法对人脸姿态、表情变化和遮盖物具有一定的鲁棒性 ,同时具有计算量小、效率高的特点 .

一种基于改进的ASM人脸特征定位技术

原始的主动形状模型(Active Shape Model,ASM)在很多方面得到了广泛的应用,如特征点定位,轮廓提取等。但是,原始ASM算法只采用灰度信息进行局部特征匹配,需要的训练样本多,存在精度不够高,鲁棒性不强的缺点。本文提出了一种融入彩色梯度特征的方法来改进原始ASM算法,并在IMM人脸库上进行对比实验,实验结果表明改进的算法性能比原始ASM算法有很大的提高。

多视角下多模板人脸特征定位方法

为了提高多视角下人脸ASM算法的定位精度,提出一种使用Candide-3模型估计人脸视角,使用全局模板和局部模板相结合的方法定位人脸特征点的多视角人脸ASM方法。建立不同视角下的形状统计模型,从中选择若干关键特征点,用SVM分类器建立纹理模型;在特征点定位中通过检测出的眼角、嘴角、鼻下点用Candide-3估计人脸姿态,选择相应视角的全局模板总体定位,利用局部模板估计未检测到的特征点,再用全局模板校正,得到人脸特征点位置信息。实验结果表明,该方法显著改善了多视角下人脸特征点定位不准确的问题,有效提高了各特征点的定位精度。

遮挡自适应权重的人脸特征点定位算法

针对遮挡造成人脸定位失败和人脸特征点的遮挡标签匮乏等问题,提出了一种遮挡自适应权重的人脸特征点定位算法.基于HRNet,设计了一个遮挡自适权重损失函数,使遮挡点获得一个较小的权重用来减轻遮挡对特征提取的影响.在网络输出阶段,添加遮挡预测模块以获取特征点的遮挡度,对遮挡度进行线性变换作为热图回归任务的自适应权重.同时,通过在原图上生成随机大小、形状、颜色、纹理、透明度的遮挡及对应标签,进行数据集扩增.此外,根据预测坐标生成人脸的点特征图、边特征图、区域特征图以及切割图,将其与原图像融合后再输入主干网络,获得更好的人脸特征.本算法在COFW和300W等相关数据集上进行评估,取得了较好的准确性.

基于相关型图像传感器的3D AAMs人脸特征自动定位

在基于相关型图像传感器(corre lation image sensor,CIS)三维人脸成像的基础上,利用由CIS得到的深度信息和与之对应的亮度信息,提出一种建立三维人脸模型的方法,将二维AAMs扩展为三维AAMs,融合人脸的形状,纹理和深度信息来构建三维人脸模型。同时,采用三维曲率对人脸特征进行初步定位来解决AAMs初始姿态参数选择问题。人脸面部定位实验证明此方法在不同人脸姿态,表情和光照条件下定位效果要优于传统的2DAAMs。