基于Candide-3模型的姿态表情人脸识别研究

针对姿态表情严重影响人脸识别准确率的问题,基于Candide-3模型的简化,提出了形状表情关键点拟合的人脸几何结构重建和基于三角网格模型的纹理映射的方法,该方法确定关键特征点,根据人脸的几何结构信息确定姿态角,提取Candide-3模型形状表情对应点,调整模型参数,进行几何结构重建;对几何结构中每个三角网格模型进行纹理影射,得到逼真的特定人脸模型。实验结果表明,该方法提高了人脸重建速度,达到减弱姿态表情对人脸识别影响的目的。

基于Candide-3模型的人脸表情动画系统设计与实现

本文以Candide-3模型为基础设计了一个人脸表情动画系统,系统在人脸特征点定位的基础上,根据人脸表情动画库中特征点的移动轨迹确定动画关键帧,应用关键帧插值法实现了人脸表情动画的设计,在设计过程中应用贴图方法解决了动画过程中人脸隐藏器官的显示问题。整个系统运行流畅,占用资源少,计算效率高,具有较高真实感。

基于人脸3D模型的驾驶人头部姿态检测

为对驾驶过程中的驾驶人注意力分散行为实施监控和预警,提出了一种基于人脸3D模型的驾驶人头部姿态检测方法。该方法使用ASM算法与ASEF算法定位驾驶人的正面人脸;在此基础上,基于通用人脸3D模型与正面人脸计算当前驾驶人的人脸3D模型;以正面人脸3D模型为姿态度量的基准,运用Pn P算法实时解算驾驶人的头部姿态,并进行姿态有效性判别;同时提出了一种特征点更新的方法,以提高姿态解算的鲁棒性。实验结果表明,该方法能够在驾驶室环境中有效检测出驾驶人的头部姿态。

3D模型的多姿态人脸识别

多姿态人脸识别是当前人脸识别中的难点 ,识别率普遍不是很高。本文提出了一种利用正面、侧面照片建立起三维虚拟人脸模型 ,然后对待识别照片进行角度估计 ,把模型库中的每一个 3D模型在该角度附近进行多次投影 ,搜索出与待识别照片相似度最高的照片。这种方法可以有效的提高人脸识别率 。

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.

特定人脸的3D模型生成与应用的研究

计算机3D人脸对象的应用范围十分广泛,包括虚拟现实、辅助教学、远程会议、人机交互、游戏娱乐、电影制作等诸多方面。提出了利用区域差值法的算法实现基于两幅人脸图像生成具有特定人特征的3D人脸模型,并在生成的特定人3D人脸模型的基础上实现了基于MPEG 4的特定人的人脸动画功能,实验取得了良好的效果。

基于支持向量机和Candide-3的单样本人脸确认

目前已有的正面人脸识别方法大多要求有充分数量的训练样本,不能适应单人单个训练样本的情况。提出了一种基于支持向量机SVM的单训练样本人脸确认方法,首先产生人脸Candide-3模型,通过对重建模型的旋转产生姿态不同的数字人脸,将产生的数字人脸和原始样本一起作为训练数据,用SVM进行分类确认,取得了接近于多样本情况下的识别率。在ORL人脸库的实验结果表明,本方法能更好地适应单样本情况下的人脸确认,比同类人脸确认方法具有更高的识别率。

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.

基于MobileNetV3多尺度特征融合的人脸表情识别

针对人脸表情识别中普通卷积神经网络特征提取能力不足且识别效率低下的情况,本文提出了一种基于MobileNetV3多尺度特征融合的人脸表情识别。首先利用MobileNetV3进行特征提取以获得高层次情感信息;其次在骨干网络中借鉴DenseNet结构,增强特征复用并提升网络重要面部特征表达能力;然后利用特征金字塔模块充分获取人脸图像的深层和浅层多尺度融合特征,从而提高了MobileNetV3的特征提取能力和实时性;最后利用全连接层构建分类器对表情进行分类,从而完成了人脸表情识别。通过实验验证,结果表明,在CK+和FERPlus数据集上识别准确率可以达到88.3%和98.8%,与现有方法相比分别提高了2.3%和1.5%,表明了所提方法识别效果好,泛化能力强。

基于改进Candide-3模型的眼部动画建模

针对在Candide-3模型上进行三维人脸重建时不能表达人眼部细节动作的问题,提出了一种改进Candide-3模型重建人脸的方法。该方法首先在Candide-3模型上对眼部进行建模,其中眼部的建模具体分为眼球的建模以及眼睑的建模。对于眼球采用2个半球结合的方式进行建模。对于眼睑的建立,分别在Candide-3的模型上对眼睑的内边缘、外边缘以及上眼睑沟用Bezier曲线进行建模。然后结合人脸特征点的信息和局部最小二乘法匹配原理建立了与输入人脸图像相仿的三维人脸模型。接着,对脸部进行特征点约束的方法贴纹理,眼球分别用局部球形纹理贴图以及球形纹理贴图的方法贴图。最后,在该模型上用分段线性插值的方法,逼真地完成了眼睑的睁闭、眨眼以及眼球的旋转等相关动作。

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。

3D人脸线框模型的自动调整

3D人脸线框模型是自然人脸表述的重要方法.如何将通用的模型调整到特定的人脸上涉及脸部特点的自动提取和模型的调整两个主要过程.对通过皮肤颜色分割和形态滤波得到复杂背景的视频场景中的候选人脸,用区域惯量椭圆方向进行调整并用先验人脸模板校验以找出人脸和脸部特征区域.根据人脸特征区域所具有的颜色特性和空间分布采用基于特征的人脸识别算法提取部分重要的脸部特征点,由曲线和活动轮廓模型拟合脸部特征边缘,从中提取特征点,用来估计头部姿势和作为插值结点的使用径向基函数插值,可将3D人脸线框模型自动调整到特定的人脸上.

融合人脸图像深度和外观特征的BMI估计方法

身体质量指数(BMI)是人类健康重要指标。从2D正脸图像中估计3D人脸信息并提出一个端到端BMI估计框架,以进一步提高BMI估计性能。首先,计算人脸468个3D关键点,并根据关键点相对头部质心的深度绘制深度人脸图;其次,提取人脸图像的方向梯度直方图(HOG)并可视化以表示外观特征;最后,利用卷积神经网络(CNN)VGGNet、ResNet分别对深度人脸图和HOG进行特征提取,并使用Hadamard积融合2个骨干网络的特征以估计BMI。与目前已有方法的对比实验中,本文提出方法在2个公开数据集上的整体平均绝对误差(MAE)分别比最优结果低0.38和1。上述实验结果证明了本文提出的融合3D人脸图像深度和外观特征的BMI估计方法的有效性。

单张图像重建人脸3D模型的卷积神经网络系统研究

大多数计算机视觉和图形应用的关键是从给定的图像重建详细的人脸几何结构,例如运动捕捉和再现。因为在不同表情、姿势时,人脸变化很大,重建任务具有很大的挑战性,虽然可以通过使用多张图像来重建一个物体的表面可以降低复杂性,但是,有时候必须从单张图像中提取表面,这仍然是一个难题。为此,本文引入了一个端到端的卷积神经网络框架,该框架以由粗到细的方式导出形状来解决这个问题。

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.

非约束环境下基于YOLOv3-Tiny多模型融合方式的快速人脸定位算法

非约束环境下的人脸定位算法是诸多面部感知应用系统中的关键基础模块,一直是极具挑战性的课题。随着海量训练数据集的出现及深度学习技术的发展,基于深层卷积神经网络的视觉目标检测方法取得了突破性的进展,YOLOv3-Tiny是其中一种具有较高准确率的快速通用目标检测算法,但由于其输出神经元的物理感受野范围会随网络输入尺寸的固定而被限定,使其无法在具有尺度范围跨度过大的非约束人脸检测中充分发挥其检测性能。为了有效扩展YOLOv3-Tiny网络检测神经元的有效感知范围,文章提出了一种基于YOLOv3-Tiny多模型融合方式的快速人脸定位算法。首先根据人脸尺寸对原始图像集的标签数据进行筛选,划分为不同的子集,并利用它们分别对多个具有不同有效感知范围的YOLOv3-Tiny模型进行训练。接着,利用多模型对输入图像独立进行推理,并基于非极大值抑制算法及相应的尺度约束阈值实现检测结果的有效融合。实验结果显示,该算法能够有效利用多模型各自的检测优势,实现跨度尺度范围下的无约束人脸检测,具有重要应用潜力。

基于相关型图像传感器3维人脸成像的3维AAMs人脸识别方法的研究

主动外观模型是基于统计分析建立物体2维模型的有效方法,它融合了目标的形状和纹理信息。在基于相关型图像传感器3维人脸成像的基础上,提出了一种建立3维人脸模型的方法,该方法利用由相关型图像传感器得到的深度信息和与之对应的亮度信息将2维AAMs扩展为3维AAMs,融合人脸的形状,纹理和深度信息来构建3维人脸模型。人脸识别实验结果表明,该方法在不同人脸姿态,表情和光照条件下识别效果要优于Eigenface和2维AAMs。

基于样例学习的任意光照下的人脸3D重建方法

待匹配的人脸图像与数据库中的原型图像之间的光照差异是自动人脸识别的主要瓶颈问题之一。提出了一种基于样例学习方式的3D人脸形状重建方法,既可以生成任意光照条件下的数据库中人脸图像,也可以对待识别图像进行重新光照,合成无阴影的图像。该方法在建立人脸数据库时利用光度立体技术分离人脸图像的纹理和形状信息,并用多面体模型在最小二乘意义下恢复其3D信息并更新法向量场以克服阴影误差,从而可以利用计算机图形学的方法合成任意光照条件下和小角度姿态改变时的人脸图像;在识别时采用数据库中3D数据的线性组合形式对输入图像建模,以估计其3D信息,从而可以重新照明。在YaleB人脸数据库上的实验表明,在建立3D人脸数据库后,该方法可以快速恢复输入单幅图像中人脸的3D信息,并生成任意光照条件的该人脸图像。

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。

一种基于PSFS的近红外人脸3D形貌重构系统

针对非侵犯式人脸3D形貌重构的需求,本文设计了一种基于PSFS的近红外人脸3D形貌重构系统。分析了人脸皮肤在近红外成像条件下的光学属性,系统中利用Oren-Nayar光照明模型来表征其光学属性;相机采集近红外光源照明下的人脸2D图像,结合成像过程中的透视几何变换,构建了2D图像明暗变化与人脸3D形貌相对应的偏微分辐照度方程;该方程可转换为3D形貌梯度函数的二次方程,求解此方程得到H-J类辐照度方程;建立了求解H-J类方程的数值算法,最终获得人脸的3D形貌。实验结果表明,该系统能够有效地实现人脸3D形貌重构,并具有较高的重构精度。