基于纹理分布和变形模板的面部特征提取

面部特征提取是面部感知的重要内容 ,同时也是特定人的 3D人脸动画应用中所必须的前期工作 .在一个多级人脸检测模块检测到人脸大致区域和尺寸的基础上 ,提出并实现了一种基于面部图像纹理分布特性和可变形模板的由粗到细的面部特征提取策略 ,旨在解决可变形模板对参数初值依赖性强和计算时间长的问题 .该策略首先利用眼睛区域的谷特性和频率特性定位两个虹膜中心点位置 ,然后用积分投影确定唇部和鼻子区域的位置 ,在此基础上进行关键特征点的检测 ,从而可以得到预定义特征模板参数的良好初值 ,最后基于贪心算法的多阶段轮换优化算法来搜索一个极小点 .实验表明 ,该方案在时间和精度方面具有良好的性能 .

基于模板匹配的人脸图像特征提取

提出了一种利用模板匹配与遗传算法的人脸图像特征提取的方法 .利用该方法可以完成人脸图像的眼睛和嘴的特征提取 .在定义表征人脸突出特征的眼睛模板和嘴部模板及其全局能量函数的基础上 ,采用遗传算法实现了能量函数的全局最小化 .实验结果证实了该方法有效、稳定 。

改进的统计模型三维人脸特征点标定算法框架

自动三维人脸特征点标定是计算机视觉领域的研究热点,其广泛应用于人脸识别,人脸模型配准,表情识别,脸部动画等领域。通过对三维人脸样本统计建模,采用遗传算法对待匹配模型的生成数目进行参数优化,利用模型相似性匹配方法及其映射关系对三维人脸特征点进行自动标定。首先,对三维人脸数据预处理,然后对其统计建模并通过模型形变得到有映射关系的基准模型和待匹配模型。利用遗传算法对待匹配模型中的待匹配模型生成数目参数进行优化,生成与之对应的待匹配模型数;接着计算待测模型与待匹配模型的相似度。最后,利用模型相似度和模型映射关系,间接得到待测模型的特征点。实验结果表明,提出的算法是可行的,能够在一定程度上提高原有算法的效率。该算法可以自动标定三维人脸模型的特征点,当距离阈值为10像素时,39个三维人脸特征点定位的准确率都可以达到100%,并有效解决了传统方法中三维人脸模型平滑区域特征点精度不高的问题。

人脸主要特征位置标定与唇动序列跟踪

通过对人脸主要特征位置的粗标定,得到眼睛位置的精标定,进而确定嘴的粗位置,构造了一个嘴的变形模型,通过多变量寻优算法获得比较准确的发音嘴形特征. 这对于人机自然交互,听觉视觉双模态语音识别,计算机视觉的研究都有重要意义. 这种方法简单、快捷,通过试验验证有较好的效果.

基于模板匹配和遗传算法的人眼定位

文中提出了一种利用模板匹配与遗传算法相结合的人眼定位算法。根据人脸几何特征将人脸分为几个特征区域(眼睛、鼻子、嘴巴),在找到人眼区域后根据人眼几何特征,建立人眼特征模板及其能量函数,通过改变模型参数用遗传算法实现能量函数的全局最小化,使能量函数最小的模型参数即可描述人眼的特征,从而实现人脸特征的有效定位。同时还讨论了不同的能量函数在人眼定位过程中的地位和作用。可避免在能量函数寻优过程中的局部最小化的出现,较准确较快捷的确定人脸主要特征的位置。

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.