基于肤色模型、神经网络和人脸结构模型的平面旋转人脸检测

人脸检测是智能人机接口的关键技术之一,它在人脸识别、表情识别、人脸合成和人脸编码等领域具有重要的应用价值.该文针对复杂背景下的彩色图像,提出了一种基于肤色模型、人脸平面旋转角度检测和正面人脸结构特征的人脸检测算法.该方法首先建立了一个人脸肤色分布模型;其次采用神经网络计算和瞳孔定位操作,实现了由粗到精的人脸平面旋转角检测;最后提出了一种基于结构的正面人脸检测策略.实验结果表明,所提出的算法能够适应不同的光照环境,可以检测不同大小、不同平面旋转角的人脸.

基于稀疏表示与人脸结构的人脸幻构技术研究

虽然基于稀疏表示的方法重构人脸图像有着样本库需求小的优点,同时对于平滑区域的恢复也有很好的效果,但是人脸成分以及轮廓边缘细节仍然较为模糊。为了解决这一问题,本文提出了结合稀疏表示的梯度估计边缘优化方法,该方法利用样本库中高分辨率的人脸成分以及边缘梯度统计空间对低分辨率输入人脸进行细节恢复和边缘锐化。实验结果表明,该方法对人脸图像结构的细节恢复有较为理想的表现效果。

基于面部结构残差网络的压缩人脸图像复原算法

文中提出了一种结合面部结构先验信息的深度残差网络,用于压缩人脸图像的复原。在训练阶段,首先训练一个用于初步复原人脸图像整体结构的预复原网络,但是不具有任何先验信息的预复原网络并不能很好地处理具有精细结构的面部组件,因此该算法在预复原网络的基础上提取5种面部组件:眼睛、眉毛、鼻子、嘴巴和脸廓,分别训练用于复原面部组件的细节增强网络。在复原阶段,结合关键点检测结果生成的面部掩膜,对不同的人脸组件使用相应的网络参数进行精准地复原。实验结果表明,文中提出的算法与现有的先进复原算法相比,不仅具有更高的PSNR和SSIM,并且在人脸组件处有更加清晰的纹理细节,有效改善了复原后人脸图像的视觉效果。

基于循环推理网络的人脸关键点检测算法

人脸关键点检测是计算机视觉任务中研究的一个重要话题。但目前的人脸关键点检测算法只能有效地提取人脸的表观信息,未能充分挖掘人脸的结构信息。为了解决上述问题,提出了循环推理网络用于人脸关键点的检测,通过分批次循环递归地学习人脸结构信息和人脸表观信息,使得神经网络能有效地提取人脸的结构信息。通过在AFLW2000-3D数据集的实验表明,文章的算法优于其他经典的人脸关键点检测算法。

用于视频头肩序列图像编码的人脸定位方法

该文运用人脸结构特点和数学形态学提出了一种稳健有效的人脸结构定位方法,该方法主要用于视频头肩序列图像的编码,对减小人脸预测误差、提高编码效率起着极为关键的作用。

基于相对距离分布聚类的人脸特征点定位算法

针对目前主流算法对所有特征点采用整体回归而忽略人脸局部结构信息的问题,提出了一种新的回归流程结构,通过基于特征点相对距离分布直方图和K均值聚类,结合了人脸结构信息对特征点聚类并分别进行回归,可以更准确地进行人脸特征点定位。另外,通过对回归迭代方法进行优化,可以实现鲁棒的参数更新,大大提高运算速度。在有遮挡标识的人脸数据库(COFW)上进行了深入的实验,结果表明:论文算法对于人脸特征点定位效果显著,相较于鲁棒姿势级联回归(RCPR)等算法训练时间大幅减少,其定位准确度也有了一定提高,而且算法计算效率高,测试速度则达到220fps,能够满足实时处理的要求。

非线性人脸老化模拟

用计算机模拟人脸老化过程已成为计算机视觉领域的热点研究问题。本文研究了人脸老化过程模拟中形状和纹理特征的渐变规律,提出了基于人脸层次结构的非线性老化模型,对人脸的整体层和细节层分别进行老化过程模拟,结合局部五官与相应皱纹的密切联系,应用于人脸局部皱纹老化过程模拟,最后根据人脸的层次结构逆向合成具有目标年龄特征的人像。以MORPH人像库为测试样本的实验结果表明,采用非线性老化过程模拟和基于局部五官相似性的皱纹老化模拟是有效的。

人脸识别系统中活体人脸检测

随着科技的发展,人脸照片、人脸视频、三维人脸模具越来越容易获得,基于人脸认证的伪造攻击越来越多,伪造技术也越来越高,对系统的安全带来了严重的挑战。

基于双目视觉的人脸三维重建

基于双目立体匹配算法Patch Match算法,提出了一种获取人脸三维点云的算法。该算法对局部立体匹配算法Patch Match进行了优化。该方法既不需要昂贵的设备,也不需要通用的人脸三维模型,而是结合了人脸的拓扑结构信息以及立体视觉局部优化算法。此方法采用非接触式的双目视觉采集技术获取左右视角的人脸图像,利用回归树集合(ensemble of regression trees,ERT)算法对人脸图像进行关键点定位,恢复人脸稀疏的视差估计,运用线性插值方法初步估计脸部的稠密视差值,并结合局部立体匹配算法对得到的视差结果进行平滑处理,重建人脸的三维点云信息。实验结果表明,这种算法能够还原出光滑的稠密人脸三维点云信息,在人脸Bosphorus数据库上取得了更加准确的人脸重建结果。

结构特征下的可撤销人脸识别

目的相对于其他生物特征识别技术,人脸识别具有非接触、不易察觉和易于推广等特点,在公共安全和日常生活中得到广泛应用。在移动互联网时代,云端人脸识别可以有效地提高识别精度,但是需要将大量的人脸数据上传到第三方服务器。由于人的面部特征是唯一的,一旦数据库泄露就会面临模板攻击和假冒攻击等安全威胁。为了保证人脸识别系统的安全性并提高其识别率,本文提出一种融合人脸结构特征的可撤销人脸识别算法。方法首先,对原始人脸图像提取结构特征作为虚部分量,与原始人脸图像联合构建复数矩阵并通过随机二值矩阵进行置乱操作。然后,使用2维主成分分析方法将置乱的复数矩阵映射到新的特征空间。最后,采用基于曼哈顿距离的最近邻分类器计算识别率。结果在4个不同人脸数据库上的实验结果表明,原始人脸图像和结构特征图像经过随机二值矩阵置乱后,人眼无法察觉出有用的信息且可以重新生成,而且融合方差特征后,在GT(Georgia Tech)、NIR(Near Infrared)、VIS(Visible Light)和YMU(You Tu Be Makeup)人脸数据库上,平均人脸识别率分别提高了4.9%、2.25%、2.25%和1.98%,且平均测试时间均在1.0 ms之内,表明该算法实时性强,能够满足实际应用场景的需求。结论本文算法可在不影响识别率的情况下保证系统的安全性,满足可撤销性。同时,融合结构特征丰富了人脸信息的表征,提高了人脸识别系统的识别率。

为什么你看到的东西上总长着一张人脸

你是否常常有一种错觉,身边随处可见的物体上总长着一张类似人类的脸?这种把物体看成类似人脸结构的现象,一度被认为是由视觉感知错误引起的精神病症状。但随着研究的不断深人,科学家才将其称为幻想性面孔视错觉(face pareidolia)。

面向智慧城市的交通视频结构化分析前沿进展

随着智慧城市建设的不断深入,大量的传感器设备铺置在城市公路和轨道等交通场景,为多维度全方位感知城市交通状态构建了广泛的感知网络,产生了海量的交通视频数据。海量交通视频数据是城市管理的数据宝藏,理解与分析这些数据是智慧城市建设的关键。面对高度冗余的交通视频数据,如何高效准确地挖掘和提取结构化信息,实现对重点目标(如人、车、物)的快速检测、识别与检索,是交通视频处理的核心问题——交通视频结构化分析。交通视频结构化分析包括车辆视频结构化分析、人员结构化分析及其行为分析。其中,车辆结构化作为一个复杂的多步骤任务,主要由车辆的检测、车辆的属性(车牌、车型和颜色)识别以及车辆的检索和重识别等子任务构成。人脸结构化和行人结构化是交通视频中行人结构化智能分析中的两个重要研究方向,主要分析人脸或者行人的一些表观属性。行人行为分析是指对行人在复杂交通环境下做出的动作进行识别和预测。本文从交通视频中的车辆、行人及其行为分析等方面,阐述交通视频结构化分析领域的研究热点及前沿进展,汇总比较国内外的相关成果,并对交通视频结构化分析领域的研究进行总结分析与展望。

大角度平面旋转人眼定位方法

提出一种解决平面大旋转角度人脸眼睛精确定位算法,首先根据圆周旋转不变性,建立基于圆周块子矩阵的标准人脸旋转模板,使对旋转角度的判定转化为对圆周块子矩阵移位距离的估计;然后用基于人脸结构关系的方法粗定位时,提出自适应的最优阈值方法去除噪声点,减少匹配误差,减少运算量,提高运算速度;最后对候选区域提取gabor特征,进行精确定位。在FRVT库上的实验结果表明,该算法适用于360°内的平面旋转的人眼定位,算法简单,运算速度快,准确率可达到87.67%。