基于关键特征增强机制的3D人脸识别

3D人脸识别是计算机视觉领域的重要组成部分,Pointnet依靠深度学习解决了点云的无序性,实现了3D点云的全局特征提取,但由于点云数据缺乏细节纹理,仅靠全局特征很难实现复杂情况下的人脸识别。针对以上问题,基于Pointnet提出了一种局部特征描述子,用于描述点云局部空间的几何特征,并引入关键特征增强机制,通过特征概率分布增强人脸关键信息,该机制能减少不必要特征对任务的干扰,有效提升模型的准确率。在公共数据集CASIA-3D、Lock3DFace、Bosphorus上进行实验测试,结果表明该方法能很好地应对表情变化、部分遮挡以及头部姿态的干扰,在弱光环境下其准确率高于RP-Net 1.1%,并具有良好的实时性。

基于3D人脸识别的煤矿人员出入井唯一性识别装置设计

针对以往煤矿人员定位系统唯一性、检测功能单一、漏检率高、识别效率低等管理缺陷问题,提出了一种基于3D人脸识别和UWB精确定位技术相融合的煤矿人员唯一性识别装置设计方案,通过软件程序设置的关联特性,实现了3D人脸识别、定位卡检测、酒精浓度和体温测试、声光语音报警、闸机控制、远程数字通信等功能,提高了对出入井人员身份识别和唯一性管理水平,从而准确监测煤矿作业人员的出勤情况,为智慧矿山建设起到积极的推动作用。

3D人脸图像技术在精神医学领域的应用及前景分析

3D人脸图像可反映面部深层次结构特征。基于深度卷积神经网络的3D人脸图像识别技术具有精确度高、采集过程简便等特点,在疾病诊断、种族演变、年龄预测方面具有良好的应用潜力。本研究简要回顾了3D人脸图像识别技术的研究背景及发展历程,重点对3D人脸图像识别技术在精神科的应用现状进行综述,并分析3D人脸图像技术在精神障碍辅助诊断中的应用前景。

一种增强的3D人脸替换方法

针对3D人脸重建方法在贴图时忽视对纹理处理的设计,仅进行仿射变换和插值,其中仿射变换会导致其生成图像的高频分量遭到损坏,尤其是给出嘴部姿态不同的源、目标人像时,会造成人像的嘴部纹理缺失,而插值方法会造成灰度不连续现象;提出一种增强的3D人脸替换方法,称为基于生成-重建的人脸替换(generative reconstructed face swap,GRFS)。GRFS将对抗生成网络应用于对3D人脸替换结果的纹理修复,包括两个子网络:嘴部修复网络(mouth restoration network,MRN)以及局部修复生成网络(generative local restoration network,GLRN)。MRN用于修复人像的嘴部细节,GLRN用于修复3D人脸重建过程中损坏的高频分量,并使得异常的不连续灰度变得光滑。实验结果表明,GRFS可以在给定单对源、目标人像的情况下生成逼真的人脸替换结果,且在不同实验环境下的表现好于主流人脸替换算法。

面向低质量数据的3D人脸识别

该文提出了面向低质量数据的3D人脸识别方法。该方法针对快速采集设备的低质量3D人脸数据提出了空间注意力机制的Dropout(SAD)、类间正则化损失函数(IR Loss),有效提升了不完整3D人脸数据的识别精度。SAD通过空间注意力机制对特征图中权重大的部分随机Dropout,让网络学习到更多的隐藏特征;IR Loss通过约束不同身份人脸间的聚类中心的距离分离,使网络学习到的不同身份人的人脸特征相似度更低。实验表明,在当前最大规模的低质量数据集(Lock3DFace)上,该方法优于当前的基准方法,且提出的SAD和IR Loss表现出了强大的适用性和鲁棒性。

3D人脸识别研究探索

2D人脸识别技术虽已成熟,但由于单一的2D图像不能提供识别所需的完整信息,故其识别精度很难进一步提高。在人脸识别过程中,特征提取是影响识别效果的一个重要环节,在分析了传统的主成分分析法和由此改进的2D PCA方法的基础上,提出了3D人脸识别方法。该方法将人脸图像分为几个部分分别进行特征提取,同时充分考虑每个部分所包含的特征信息量的多少,并在分类时赋予它们不同的权值。因此,将人脸用立体图像来表示并进行识别是目前提高人脸识别精度的前沿课题。

基于3D人脸识别研究的探索

2D人脸识别技术目前已经成熟,但由于单一的2D图像不能提供识别所需要的完整信息,所以识别精度难以提高。在人脸识别过程中,特征提取是影响识别效果的一个重要环节,该文在传统的主成分分析法和由此改进的2DPCA方法的基础上提出了3D人脸识别方法,该方法将人脸图象分为几个部分分别进行特征提取,充分考虑每个部分所包含的特征信息量的多少,在分类时赋予它们不同的权值。因此将人脸用立体图像来表示进行识别,以提高其精度是目前极富挑战性的前沿课题。

基于3D人脸重建的光照、姿态不变人脸识别

待匹配人脸图像与库存原型图像之间姿态和光照的差异是自动人脸识别的两个主要瓶颈问题,已有的解决方法往往只能单独处理二者之一,而不能同时处理光照和姿态问题.提出了一种对人脸图像中的姿态和光照变化同时进行校正处理的方法,即通过光照不变的3D人脸重建过程,将姿态和光照都校正到预先定义的标准条件下.首先,利用先验的统计变形模型,结合人脸图像上的一些关键点来恢复较为精细的人脸3D形状.基于此重建的3D形状,进而通过球面谐波商图像的方法估计输入图像的光照属性并提取输入图像的光照无关的纹理信息,从而将光照无关的3D人脸完全重构出来,生成输入人脸图像在标准姿态和光照条件下的虚拟视图,用于最终的分类识别,实现了对光照和姿态问题的同时处理.在CMUPIE数据库上的实验结果表明,此方法可以在很大程度上提高现有人脸识别方法对于原型集合(gallery)和测试集合中图像在姿态和光照不一致情况下识别结果的正确性.

Clifford代数3D人脸姿态矫正方法

非正面视图的3D人脸对特征提取及识别结果有不等程度的影响,因此在预处理阶段需要对3D姿态进行矫正,使其还原于正面视图.本文就其提出一种基于Clifford代数理论的3D人脸姿态矫正方法,即通过计算与检测3D人脸的特殊点,确定人脸正面所在平面及空间的几何位置;再构造Clifford代数的几何旋转算子对3D人脸顶点坐标向量进行旋转,使其3D人脸正面处于坐标正视图,眼睛保持水平位置以现实姿态矫正.实验结果表明该方法计算简单,几何意义直观,矫正精度高,并具有通用性.

利用主动外观模型进行3D人脸的快速自动建模

针对传统方法存在的通用性不强、实时性较差和与视频传输系统不兼容等缺点,提出一种面向单幅任意姿态图像的3D人脸建模技术.首先将基于初始位置校正和模型实例选择的主动外观模型改进方法应用到人脸特征点的提取过程中;然后结合人脸结构特征和空间仿射变换调节CANDIDE-3线框模型,实现对应人脸的全局位置恢复和形状匹配.在此基础上,根据感兴趣区域的对称性对局部坐标进行微调,并构建真实感纹理.实验结果表明,该技术不受图像拍摄焦距等因素影响,单幅图像平均建模时间约为300ms.

3D人脸姿态校正的几何代数不变量方法

多模态3D人脸曲面存在姿态自由,表情丰富的特征,这给人脸的特征提取及提高分类器的识别率带来困难,因此需要对人脸样本进行姿态矫正.本文提出的基于几何代数(Geometrical Algebra)不变量方法的3D人脸姿态校正策略,计算非标准姿态样本与参考标准样本的几何代数不变量,并且快速计算彼此不变量之间的空间几何关系,实现不同人脸曲面的空间姿态校正.实验结果表明:该方法对与标准姿态人脸样本相同、相异身份人的样本都能较好的实现姿态校正,并且几何意义直观,计算简单,校正精度高.

基于几何图像滤波的3D人脸识别算法

针对表情变化下的三维人脸识别问题,提出了一种基于几何图像滤波的特征提取方法,并根据样本图像滤波后的特征分布函数给出最优卷积滤波器的设计过程.首先,利用网格平面参数化方法,将人脸网格映射到边界为正四边形的平面区域内,经过线性插值采样得到具有三维形状的二维几何图像;然后,将整体几何图像切割成局部分块图像的集合,在每组局部分块图像构成的训练样本库中利用差分进化算法对滤波器进行优化设计;最后,利用训练得到的最优滤波器提取对应分块图像的局部特征并计算相似度,将相似度得分融合,即可得到最终识别结果.利用FRGC v2人脸数据库进行实验验证,结果表明,使用几何图像滤波能显著提高算法的精度和鲁棒性.

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。

基于统计特征的3D人脸识别生物模板保护方案

生物模板的安全是生物识别系统安全的一个重要因素，传统的生物识别系统直接存储生物模板的方式导致一系列的安全和隐私问题，成为阻碍生物识别技术发展与推广的瓶颈．基于统计特性提取特征是人脸识别中一项较为成熟的技术，本文针对此类生物模板，提出了一种合适的模板保护方案，该方案的核心思想是利用密码学中的Hash函数实现模板与待测特征信息之间的匹配，通过选取特征向量中的主要成分、量化和纠错码等方法解决生物信息模糊性和Hash函数敏感性之问的矛盾．通过对方案的安全分析和在3D人脸识别中的仿真实验，验证了方案的安全性和可行性．

基于3D人脸姿态的人脸光照校正新方法

充分考虑姿态与光照的内在关系,提出了一种利用人脸姿态来校正人脸光照的新方法。首先利用待识别正面2D人脸图像生成特定3D人脸模型;通过改进的九点光源法估计出待识别2D人脸图像和gallery图像的光照方向,把特定3D人脸模型旋转到与gallery光照一致的方向,投影生成2D人脸图像;然后根据提出的姿态估计方法对该2D人脸图像进行姿态估计,恢复成正面,用于最终的识别。在CMU-PIE、CAS-PEAL人脸库上的实验表明,该方法可以有效地提高待识别人脸图像的正确识别率。

面向应用的个性化3D人脸模型快速生成技术

真实感3D人脸模型生成技术是计算机图形领域研究的热点问题之一,但已有的相关方法存在真实感差、算法复杂度高、局限性多、实用性弱等问题.在分析3D人脸模型姿态矫正和模型变换方法基础上,研究基于一张人脸正面图像和普通3D人脸模型、采用关键特征点匹配和真实感纹理映射方法构建个性化3D人脸模型的方法,最后利用基于C++和OpenGL实现的原型系统进行实验分析.实验结果表明该方法计算简单、建模效率高,且适用于影视特效制作、3D网络游戏、医学美容等领域.

3D人脸建模和人脸识别技术的发展

3D人脸建模和动画技术是当今计算机图形学和计算机视觉领域中非常热门的研究课题,但是由于人脸的复杂性、易变性,建立逼真的三维人脸模型成为众多研究者挑战的课题。本文分析了三维人脸建模的研究内容和研究难点,总结了近年以来出现的最新方法和进展,进行了分类综述,重点介绍了一些主要算法的基本思路和最新进展。

基于深度三维形变的单张3D人脸重建算法

三维形变模型(3DMM)作为人脸重建的重要方式,在3D建模、图像合成等领域有着广泛的应用.由于受训练数据类型、数量以及主成分等因素影响,3DMM存在过约束的现象,不能提供足够的灵活性来表示高频变形.本文将三维形变模型嵌入到深度神经网络中,为提升3D人脸重建的表示能力提供了新的思路.为了提升网络学习效率,本文构设了一种双通路神经网络,实现了在全局路径和局部路径之间的平衡.通过在学习目标和网络结构两方面改进非线性3DMM,提出了一种比线性或以往的非线性模型更能捕捉到更高层次细节的模型.算法对比与仿真实验表明,本文算法在3D人脸重建上的归一化平均误差更低,所生成的3D人脸模型鲁棒性好、重构准确,实现了较好的3D人脸重建性能.

基于特征点的3D人脸姿态跟踪

针对视频序列中的人脸跟踪问题,提出一种单摄像头的人脸3D姿态跟踪方法。利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。将前帧与所选的关键帧特征匹配信息及融入到对当前的姿态估计中,利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。最后通过利用RANSAC随机选取特征点对,并用POSIT和最小化误差组合的3D投影方法以迭代的方式得到精确的当前帧人脸姿态估计。通过多组实验数据对比,表明了该算法在严重遮挡、头部摆动幅度较大、匹配点较少的复杂情况干扰下仍具有鲁棒性,并且解决了3D人脸跟踪的漂移问题,实现对目标人脸的稳定跟踪,对比以往2D跟踪算法在复杂环境下具有明显的改善。

基于3D人脸模型的驾驶员头部姿态鲁棒跟踪算法

驾驶员头部姿态跟踪是车辆辅助驾驶系统中的关键问题之一,文中提出了一种基于3D人脸模型的驾驶员头部姿态鲁棒跟踪算法;首先,将3D人脸模型映射到第一帧图像中,获取到脸部区域及估计出初始姿态;然后,在脸部区域中跟踪并检测特征点,并把匹配结果作为基于模型的光束法平差机制的输入来恢复出3D人脸模型的头部姿态;为提高检测精度,在每帧脸部区域内重新提取特征点用于跟踪;实验结果表明,该算法在部分遮挡及大幅转动时是有效的。