一种改进的AAM人脸特征点快速定位方法

传统的AAM(Active Appearance Models)人脸特征定位改进方法通常关注于拟合效率上,没有具体考虑拟合初始位置和模型实例的特征,因此定位准确率和速度并不理想。该文提出了一种基于人脸特征检测和简单三维姿态估计的拟合初始位置改进和模型实例选择方法。首先采用Adaboost算法对图像中人脸特征进行预检测,然后充分利用YCbCr色彩空间人脸肤色特性对无法检测或检测不完全的图像进行特征提取,最后根据特征区域计算鼻尖坐标和人脸偏转角,合理调整拟合中心位置和模型实例,并在拟合过程中引入ATLAS(Automatically Tuned Linear Algebra Software)线性代数软件包,实现矩阵优化。基于IMM人脸库的仿真实验表明,该方法与传统反向组合AAM相比,拟合准确率提高约43%,时间消耗降低约62%。

AAM反向合成匹配算法及其性能分析

介绍了一种基于反向合成图像对齐算法的AAM匹配算法。首先对反向合成算法的内容及其在AAM匹配过程中需要注意的问题进行了阐述,然后通过实验,分别应用反向合成算法和原始AAM匹配算法对一定数量的图像进行匹配,验证了反向合成算法的有效性。

基于有效参数初始值估计的改进AAM拟合算法

为了高效地解决图像特征点配准特别是人脸特征点配准问题,基于活动表观模型(AAM)的拟合算法得到了广泛研究和应用。然而,当参数初始状态和真实情况相差较大时,AAM拟合算法经常无法得到满意的结果。针对AAM拟合算法对参数初值敏感的问题,在AAM反向组合算法基础上,提出了一种简单有效地进行参数初始值估计的方法,通过提取相关区域的矩特征和线性映射计算出比较精确的参数初始值。实验证明方法通过可靠的初始参数值减少了迭代次数,并提高了拟合准确度。

一种改进的提取人脸面部特征点的AAM拟合算法

AAM(Active AppearanceM odel)是一种用来提取人脸特征点的有效方法,由人脸动态表观建模和拟合算法两部分组成.在多种AAM拟合算法中,反向组合法以快速高效著称.但在遇到外物遮挡时,AAM算法的拟合效果会变差.本文在反向组合法的基础上提出了一种基于分层细化掩模的改进算法.实验结果表明,该算法能较好地去除干扰并保留对拟合有用的信息,具有较强的抗干扰鲁棒性.

基于MR-AAM双重拟合的人脸特征点定位方法

传统的主动表观模型(AAM)反向组合算法仅进行了单次拟合过程,当初始位置与目标对象偏移过大时,往往会陷入局部最小,难以收敛到正确位置。针对此问题,提出了一种基于多分辨率AAM(MR-AAM)的双重拟合方法,首先在低分辨率模型下进行第一次拟合以确定面部初始位置,然后在高分辨率模型下进行二次拟合。由于能够快速获得较准确的初始位置,进而取得较好的人脸特征标定结果。实验结果表明,所提方法与传统方法相比,在能保证实时的情况下,提高了拟合精度。

基于AAM和ASM的面部特征点提取研究

本文就传统AAM(主动外观模型)与ASM(主动形状模型)的缺点和不足,提出了一种改良的方法。在这种新的算法中,将局部特征模型和全局纹理模型结合起来,并使其可以和传统的主动形状模型、全局纹理形状约束的参数优化过程相融合,得到更好的效果。最终通过实验结果表明,改进后的算法在定位能力和准确性上均有显著的提高。

基于AAM的人脸图像年龄组分类研究

针对随年龄的增长人脸图像年龄组分类准确率下降的问题,提出一种有效提高准确率和分类速度的年龄组分类方法。该方法结合主成分分析(PCA)和局部保持投影(LPP)建立主动外观模型(AAM),并对人脸图像进行特征点提取;在反向组合算法的基础上添加全局几何变换,增强AAM的表征能力,对输入人脸图像进行匹配;并利用支持向量机回归算法(SVR)对人脸图像进行年龄组分类。实验结果表明,该方法的年龄组分类准确率由79%提高到84%,分类耗时明显改善,且该方法更适用于亚洲人脸图像。

USAN-AAM人脸特征点快速定位方法

基于反向合成算法的AAM(active appearance model)是一种快速而高效的人脸特征点定位方法,但由于其纹理模型仅包含灰度信息,当测试数据集中的图像光线条件和训练数据集中的图像光线条件有较大差异时,算法定位精度明显下降。基于此,提出了一种改进的AAM人脸特征点定位方法USAN-AAM。实验结果表明,与原方法相比,该方法对光线变化更鲁棒,定位精度也更高。

一种基于偏转角度的AAM人脸特征点定位方法

对有偏转角度的人脸特征点定位来说,拟合初始位置和模型的角度对人脸特征点定位效果有很大的影响。而传统的AAM(Active Appearance Models)人脸特征定位方法没有具体考虑这一问题,对有偏转角度的人脸特征点的定位准确率和速度并不理想。为解决这个问题,文中提出了一种利用两眼中心坐标和嘴中心坐标来计算人脸偏转角度,根据坐标和角度确定拟合初始位置和模板的方法。用Adaboost和YCbCr对人脸进行预检测,根据找到的特征区域计算偏转角,用反向算法结合该角度的模板进行特征点定位。实验的测试结果表明本方法对有偏转角度的人脸的特征点定位比传统方法在准确度和速度上都有了提高。

基于改进差分AAM和K-SVM的人脸表情识别

主动外观模型(Active Appearance Model)是一种通过提取和结合人脸的形状和外观模型特征的有效地人脸表情特征提取方法。在与其他的AAM拟合算法对比中,反向合成算法具有快速和高效的特点。但在遇到不同光照影响和线性不可分时,反向合成算法的拟合效果会变差。于是,提出了一种基于差分AAM特征和核支持向量机的人脸表情识别方法,并在JAFFE人脸表情数据库上进行了相关实验。实验结果表明,该方法能够较好地去除光照干扰的影响和解决非线性识别问题,并得到鲁棒的识别效果。

基于Haar分类器和AAM算法的人脸基准点定位

人脸基准点定位可应用于人脸识别、疲劳检测等领域。针对人脸基准点定位中常用的主动表观模型(AAM)的局限性,提出了Haar分类器和AAM算法相结合的人脸基准点定位方法。先是计算图像积分图,然后采用基于Haar特征的AdaBoost级联检测器快速定位出人脸区域,最后将检测到的位置和图像信息传递给AAM进行人脸基准点定位。该方法在抽取的AFLW(annotated facial landmarks in the wild)人脸测试集上表现出良好的性能。实验结果表明,采用该方法能准确、快速定位出人脸基准点。

两种形态学点目标检测算法比较研究

根据空空导弹红外成像导引头点目标图像处理中,点目标图像帧间运动位移变化范围较大、信噪比较低、具有实时性要求的特点,选用形态学方法进行背景估计实现点目标检测的算法一般具有较好性能。针对两种不同的基于背景估计的形态学点目标检测算法,在介绍其原理的基础上进行了大量的对比仿真研究。对两种算法的性能仿真结果进行详细介绍和分析,提出了性能较好的算法。

基于正交投影的主动外观模型匹配算法

为了提高传统主动外观模型匹配算法的收敛速度,提出了一种基于正交投影的主动外观模型匹配算法,该算法通过引入正交空间投影算法,将形状参数与纹理参数分别映射到不同的线性子空间,并利用梯度下降算法依次求解形状参数与纹理参数。实验结果表明,该方法在保证精确度的条件下,提高了收敛速度。

基于人工神经网络动态标定算法的低成本视线追踪系统

针对视线追踪系统成本高、标定算法复杂的问题,研究了一种低成本视线追踪系统.系统采用低成本网络摄像头,采集到的图像首先采用Haar-like特征与肤色结合算法来进行人脸检测,并利用主动表现模型算法和光流法定位并跟踪人脸特征点;然后利用梯度向量法进行瞳孔中心检测;为了提高系统精度和鲁棒性,提出了一种人工神经网络的动态标定算法.实验表明,视线追踪系统不仅具有很好的鲁棒性,而且具有较高的精度,在头部静止的情况下平均误差为1.34°,在头部运动的情况下平均误差为3.26°.

一种提取人脸特征3D信息的方法

针对头部姿态大角度偏转时,传统的2D人脸模型(主动表观模型,Active Appearance Model)定位人脸特征点的精度会急剧下降.引入与MPEG-4兼容的3D人脸形状模型Candide,并为其建立2D的形状模型和表观模型.模型拟合人脸图像的过程中,在保持3D形状模型与2D形状模型形变一致的基础之上,应用反向组合算法,提取人脸特征点的位置和头部姿态等3D信息.实验结果表明:在C环境下,算法的处理速度为250帧/秒以上,能达到实时处理;当头部姿态的偏转角度为0°-60°时,算法的标准误差值介于0.01-0.1之间.

空空导弹射后动态攻击区的计算及信息提示

空空导弹攻击区解算是导弹发射的必要条件。针对传统的三线攻击区存在的问题,提出了利用空空导弹射后动态攻击区对其进行改进。基于某空空导弹数学模型(如气动模型、运动模型、导引律模型等),应用快速模拟算法,计算了一些典型情况下的空空导弹射后动态攻击区,并且分析了其在空战中的信息提示作用。仿真表明,空空导弹射后攻击区与传统攻击区不同,并且其能够为飞行员提供更多态势信息,有利于提高作战效能。

基于三维形变模型的人脸姿势表情校正

针对目前人脸姿势校正鲁棒性差和计算复杂等问题,提出一种新的人脸姿态表情校正方法。首先,通过Fast-SIC算法来改进AAM模型以实现人脸对齐,该算法在不同光照、不同表情、不同姿势及不同遮挡的情况下均具有良好的对齐效果。然后,在人脸对齐的基础上进行人脸三维重建。文中提出了BFM-3DMM模型,其在原始3DMM模型的基础上添加了表情参数。但是,经过BFM-3DMM模型校正后的人脸仍然不够平滑,利用SFS算法不会受到原始统计模型约束的特点,对BFM-3DMM模型校正后的二维人脸进行再校正。在AFLW和LFPW数据库及自测人脸数据库上进行了相关实验,结果证明,校正后的二维人脸更加平滑且具有高保真度,还能够保留图像背景等信息。

一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.