基于动态多视角模型集成策略的人脸特征点定位算法

为提高在非限制环境下多种人脸姿态特征点定位的准确性,该文提出了1种新的人脸特征点定位算法。在基于级联回归的多视角模型的训练和测试过程中,使用姿态分类算法对不同的人脸样本进行分类。使用多视角模型集成策略预测特征点位置。实验证明,与显示形状回归(ESR)等算法比较,该文算法对非限制环境下人脸表观变化有更好的鲁棒性。

基于改进的深度卷积神经网络的人脸疲劳检测

针对疲劳驾驶检测问题,提出一种以softmax损失与中心损失相结合的深度卷积神经网络算法。首先,利用含有方向的梯度直方图(histogram of oriented gridients,HOG)和级联分类器(support vector machine,SVM)算法的Dlib库中预训练的人脸检测器,来检测驾驶员的脸部区域。其次,使用级联回归(ensemble of regression trees,ERT)算法实现脸部68个关键点标定及眼睛和嘴巴的定位。最后,为了优化softmax损失在深度卷积网络分类中出现的类内间距大的问题,加入中心损失函数,提高类间差异性、类内紧密性以及驾驶员脸部疲劳状态识别准确率。在自建测试集和YawDD哈欠数据集中的实验结果显示,该方法能够准确地识别检测驾驶员疲劳表情,平均识别准确率达到98.81%。与传统的疲劳驾驶检测识别方法相比,该方法可以自动进行疲劳特征提取,并且训练准确率、检测识别率及鲁棒性得到提高;与未改进的深度卷积网络相比,检测识别的概率平均提高了约5.09%。

基于三维镜框建模的眼镜虚拟试戴系统

在虚拟试戴系统中,虚拟眼镜需要精确地叠加到人脸图像上,这决定了虚拟试戴系统的体验感,其中的关键技术在于构建真实的眼镜模型以及快速准确地估计图像中人脸的三维空间姿态。针对该要求,文中提出了将三维镜框建模与基于人脸特征检测的头部空间姿态估计相结合的虚拟试戴技术,并实现了一个虚拟试戴系统。首先采用ERT级联回归定位人脸图像面部特征点;然后通过VTK可视化工具构建三维镜框,根据人脸特征点的信息和头部的旋转信息将处理后的镜框图像准确融合到人脸图像上;最后使用AFLW人脸数据库检验姿态估计的精确度。结果表明,该算法精度高、速度快,其在大角度、背景干扰物较多、光线条件差等复杂情况下仍能快速准确地实现三维多角度虚拟试戴,效果自然逼真,基本满足虚拟试戴技术的要求。

基于外腔式量子级联激光光谱的挥发性气体检测方法

将新型的外腔式宽调谐量子级联激光器(ECQCL)作为激发光源,高频石英谐振音叉作为光电探测器,开展了挥发性有机物的中红外激光光谱定量分析和成分识别研究。以不同站点和不同型号的汽油样本作为检测对象,检测它们的红外吸收光谱,并与美国西北太平洋国家实验室数据库的标准光谱进行比较,结果具有很好的一致性;实验中结合自行建立的插值算法和多元线性回归算法模型,可实现不同型号汽油样本中主要挥发性有机物的定量分析和成分归属分析。

基于Boosting回归的单帧图像超分辨率重建

实例学习是一种有效的单帧图像超分辨率重建技术,关键在于如何建立低分辨率与高分辨率图像之间的映射关系。许多研究表明,当面对复杂多样的自然图像时,类型单一的回归模型难以重建出理想的高分辨率图像。为此,以A+算法为基础,提出一种基于Boosting集成学习的超分辨率算法,通过不断增强回归模型的互补性,超分辨率重建模型能较好地适用于不同内容的图像。该算法首先利用Boosting思想训练多组具有互补性的子回归器;然后对各组子回归器进行组合,生成泛化能力更强、重建性能更好的集成模型;最后利用级联残差回归策略,采用由粗到精的方式逐渐合成高分辨率图像,以进一步提高超分辨率重建图像的质量。在5个标准数据集上对所提方法和4种基于实例学习的主流超分辨率方法进行了比较,结果表明,所提超分辨率重建方法能够重建出图像边缘更加清晰和纹理细节更加丰富的高质量图像。