基于特征缺失修复的人脸三维运动形变估计算法

人脸由于其非刚性明显,受到运动背景变化、形变程度复杂、特征丢失等因素的影响,使得在进行三维动态人脸形变估计时,面临着估计不准,误差较大的问题。为了解决这些问题,提出一种基于特征缺失修复的人脸三维运动形变估计算法,将非刚体人脸运动的形变估计过程中,运用特征补偿方法,补偿由于噪声、形变程度复杂带来的特征丢失缺陷,运用较多的人脸形变特征进行形变分析,准确计算人脸的形变程度。实验结果表明,这种方法得到的解误差较小,效果明显。     

一种基于松弛特征关联的3D人脸多特征匹配算法

针对人脸特征表情变化极为复杂,3D模型形变中的程度较为细微.一些特征点的位置会出现一定程度的飘逸,给准确的三维特征匹配带来了难度.提出基于松弛特征关联的3D人脸多特征匹配算法.通过提取特征点,计算三维特征的松弛特征对应程度,最大程度的完成在误差较大程度下的三维特征匹配.避免传统算法中用直线距离特征匹配带来的弊端.实验仿真程序表明:该方法在误差较大的匹配环境下,优化效果较为明显.     

随机体育运动图像捕捉点虚拟重建中凌乱误差控制

运动员进行不同的运动项目时,关节所成的角度,运动速度有差异,造成特征捕捉点不能很好对应关键区域,形成特征凌乱对应误差,影响形状基计算的准确性。传统的体育运动图像三维重建算法,受到形状基凌乱的影响,后期建模准确性很难控制。因此提出随机体育运动图像捕捉点虚拟重建中凌乱误差控制算法。利用因式分解法,建立人体运动时的三维动态仿真模型,运用stolt变换将所有图像捕获点的的方位偏移率调整为相同,使其在进行特征匹配时不会产生过大误差,对于过大的凌乱残余误差,进行三阶运动补偿,实现人体运动图像序列中的三维动态仿真建模。实验结果表明,这种算法提高了人体运动图像序列三维动态仿真的真实性。     

基于正交小波变换的三维人脸门禁系统设计

提出一种结合嵌入式技术的三维人脸门襟系统的设计及具体实现方法。通过搭建相应硬件配准、运用正交小波技术,配合双目立体视觉原理,完成人脸的三维采集和特征识别。该系统因为加入了三维的因素,可以有效地克服传统的门襟系统受到光照、角度等外界因素影响带来的弊端。实验表明,该方法能够建立真实有效的三维人脸模型,提高了门禁系统识别的准确性。     

基于主元分析和径向基神经网络的人脸图像识别

文章提出了一种基于神经网络的人脸图像识别方法.这种方法利用主元分析法提取人脸图像的人脸特征(矢量),在径向基神经网络(RBFNN)上实现对人脸图像的分类识别.     

基于Android平台的快速人脸识别系统设计

针对在Android平台对于人脸识别系统检测人脸时因特征点提取过多而造成的识别速度慢的问题,本文结合Adaboost分类器、Haar-like特征的人脸检测和显示形状回归算法的特征提取方法,减少对于人脸边缘轮廓的特征点提取,只对检测到的人脸区域内的嘴、鼻子、眼睛、眉毛处提取特征点,以避免特征点提取过多而引发的"维数灾难"问题。实验表明,本文提出的方法可以快速、实时的识别到人脸,有效的通过查询数据库验证用户信息。     

位面切割在非负矩阵分解人脸识别方法中的应用

非负矩阵分解方法将人脸图像表示为基图像的线性组合,较好地提取了人脸的局部特征。应用非负矩阵分解和奇异值分解相结合的方法识别人脸,实验结果表明,这种方法并不能有效提高识别率。位面切割可有效降低人脸图像中的噪声信息,基于这一认识,笔者提取了将位面切割应用于人脸识别的方法,在ORL人脸库上的实验证明了这一方法的有效性。     

基于参数物理差优化的三维地图重建算法研究

提出一种新的方法,基于二维坐标内的物理连续性,在相机的拍摄速度很高的时候,前后帧的位移变化很小,寻找一组不变量的基点,利用这些二维地域特征点和基点距离的物理连续性作为参数优化的最小值约束,使用非线性优化方法训练出非刚体运动时的运动结构参数,重建成三维地图区域模型.实验结果表明,该方法优于传统的三维地图重建方法.     

基于动态二维图像序列的三维步态识别方法

针对在当前二维步态识别系统中,受到人体走路姿势中的特征重叠的影响,不能很好的解决信息丢失问题。而三维识别也面临着技术要求复杂,对设备角度要求高的问题,本文提出了一种基于动态二维图像序列的三维步态识别方法。利用摄像机采集单帧步态图像序列,通过对单帧连续通信进行坐标动态转换,对特征矩阵进行有效的三维转化,计算三维特征数据,提取三维人体单帧二维图像转化的特征,进行步态识别。结果表明,本方法无需复杂的设备,能够解决特征丢失问题,识别准确度有了较好的改善。     

AAM-Candide结合的快速表情动画合成模型

针对现有的算法在表情动画合成中自动化程度不高、生成效果不理想的问题,本文提出了一种基于AAM-Candide结合的快速表情动画合成模型。首先利用Candide-3算法获取面部表情参数-AU,并通过确定人脸的Candide-3模型来计算AU,将参数提取问题转化为一个非刚体的人脸跟踪问题,然后利用彩色图对人脸关键点进行2D定位,通过上下限规范实现Candide-3和三维数据点云之间的对应点集。实例仿真结果表明,本文提出的改进算法,对惊讶、悲伤、嘟嘴、开心等4种表情得到了较好的动画合成效果。