分享到:

多姿态人脸图像的估计及合成

当前流行的人脸识别算法多是针对正面、限定条件下的人脸图像,当输入的人脸图像姿态发生变化时,多数算法的识别率都会下降。多姿态人脸识别问题在于: 随着人脸姿态的变化,人脸成像会出现变形,同时,原来可见的人脸部分,也会随着旋转角度而逐渐被遮挡,同一人脸不同姿态下人脸图像之间的相关性随着姿态的变化的增加迅速减少。在现实物理世界,人脸是三维目标,而现在只有某一姿态下人脸图像的二维信息,从单张二维人脸图像不足以准确取得恢复三维人脸信息。另外,到目前为止,我们对人脑识别物体的机制还不是很清楚。特别是姿态问题,几乎对于所有的人脸识别算法,当输入人脸图像的姿态逐渐变大时,识别率都会明显下降。 $$  传统的人脸识别技术只能处理规范化的正面人脸图像。而基于合成分析法的人脸识别允许表情、姿态、光照等有较大幅度的变化。这种方法使用内建的参数模型,通过调整参数使模型生成图像与待识别图像的差异最小化,然后再利用估计出的模型参数,重构出真实感很强的人脸。人脸...  (本文共3页) 阅读全文>>

北京邮电大学
北京邮电大学

多姿态人脸识别

人脸识别是生物特征识别领域内重要的研究课题,在社会生活中有着广泛的应用,包括视频监控、安防、便捷支付等。传统的人脸识别算法在目标受控的场景下取得了很好的效果,然而在非受控环境下,受姿态、光照、表情变化等因素的影响,进行稳定的人脸识别比较困难,人脸识别的研究重点也逐渐地从受控环境下的人脸识别转变为非受控环境下的人脸识别。在姿态、光照、表情变化这些挑战中,姿态问题是最重要的课题之一,研究人脸多姿态问题对实际的应用具有重大的意义。本文的具体研究内容为多姿态人脸识别的算法研究,涉及人脸辨识(1: N)和人脸认证(1:1)两个问题。主要关注于人脸姿态合成和人脸姿态归一两类方法。本文首先对多姿态人脸识别问题进行描述,介绍现存的相关算法。然后以人脸姿态合成与人脸姿态归一两类方法为思路进行研究内容的展现。对于人脸姿态合成算法,首先对从单一输入人脸图像重建三维模型的方法——通用伸缩模型(Generic Elastic Model,GEM)进行了扩...  (本文共80页) 本文目录 | 阅读全文>>

江南大学
江南大学

人脸识别算法的研究

人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,它在公共安全、信息安全、人机交互等领域中有着广泛的应用前景。经过三十多年的研究,人脸识别技术在理想环境条件下已达到实用程度,但是在成像环境不可控的情况下,由于姿态、表情、光照、分辨率等因素的影响,已有的人脸识别算法性能大大下降。对于人脸识别中的姿态问题研究人员做了大量的工作,其中最直接的方法就是利用线性物体类理论和姿态转换矩阵将姿态人脸合成为对应的正面人脸。这样不但提高了人脸识别率,同时也避免了复杂的3D建模。本文在前人的基础上,对相关问题进行了深入的研究,取得了如下成果:(1)提出了利用独立成分分析(ICA)算法合成正面人脸图像分类识别的新方法。主成分分析(PCA)算法仅仅利用了数据的二阶统计信息,而ICA不仅利用了图像的二阶统计信息还利用了图像的高阶统计信息,所以其合成质量和识别率都得到了一定的提高。(2)由于可以直接利用待合成的正面人脸的特征系数直接分类比较,提...  (本文共60页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

单视角多姿态的人脸识别研究

随着社会信息化程度和自动化程度的提高,人脸识别作为一种生物特征识别技术,得到了越来越多的关注。目前理想条件下的正面人脸识别问题已经得到了很好地解决,但面对人脸识别技术实际应用中的不可控因素,如视角、姿态、光照、表情等,现有的方法还不能很好地消除它们的影响。其中,单视角和多姿态是人脸识别实际应用过程中经常会同时遇到的问题,而单视角造成的训练样本过少和多姿态人脸识别对样本完备性的要求之间存在着矛盾,因此,本文的研究重点就是如何克服上述问题,提高单视角多姿态的人脸识别水平。对于这个问题,本文研究分析了现有的人脸识别方法的不足,设计了一种针对单视角多姿态人脸识别问题的解决方案。本文首先研究分析了自动人脸识别系统的组成,将主要利用姿态估计和虚拟人脸生成这两种识别预处理方法来解决单视角多姿态人脸识别问题:先用人脸姿态估计结果对待识别人脸进行筛选,去除姿态不适合直接识别的人脸,再通过生成虚拟人脸来扩展人脸训练样本库以实现对多姿态人脸的识别。在...  (本文共73页) 本文目录 | 阅读全文>>

清华大学
清华大学

三维人脸重建与网格模型编辑的研究

姿态变化问题是人脸识别研究中的一个难题。在公安刑侦等实际应用中,多数情况下我们不能得到人脸的正面像,而当前的人脸识别算法多是针对正面人脸图像。当人脸姿态发生变化时,这些算法识别率都会显著下降。本论文主要针对从非正面人脸图像生成正面人脸的应用需要,研究了基于多姿态二维人脸图像的三维人脸重建方法。论文首先给出了基于两幅不同姿态人脸图像的自动三维人脸重建方案:给定待测的人脸图像,经过人脸检测、特征定位、姿态分类、人脸配准、三维姿态参数估计,三维形状与纹理重建等一系列处理之后系统便重建出三维的人脸。论文接着对方案中所涉及的主要技术进行了详细介绍。关于姿态分类,我采用了有监督的ISA独立子空间学习方法,为各类姿态的人脸建立相互独立的子空间,以子空间“活性”准则进行姿态判别。在特征点定位方面,提出了ASM与AAM相结合的正面人脸特征点配准方法;并利用二维梯度特征和Haar矩形特征改进ASM纹理模型。在建立三维线性形变模型方面,首先使用手工定...  (本文共95页) 本文目录 | 阅读全文>>

国防科学技术大学
国防科学技术大学

基于立体视觉的多姿态人脸图像生成方法

为了解决传统的基于2D图像的人脸识别算法对姿态敏感的问题,提出了一种利用三维人脸模型合成指定姿态的人脸图像,从而提高基于2D图像的人脸识别算法性能的方案。针对以往三维人脸模型重建算法实用性差、算法复杂度高和对噪声敏感的缺陷,本文提出了一种利用三幅不同姿态下由立体视觉方法获得的深度图重建三维人脸模型的方法。该方法利用手工确定结合计算机校正特征点的方法实现深度图的初步融合,然后运用改进ICP算法得到最终的三维人脸模型。得到三维人脸模型后,结合欧氏空间的旋转变换以及投影矩阵,产生人脸不同姿态下的图像。实验结果表明,融合平均误差仅为1.32毫米,产生的各姿态下二维人脸图像效果真实。  (本文共66页) 本文目录 | 阅读全文>>