人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器...人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器扫描图片,为每一个人脸特征点生成一张响应图;然后基于响应图优化一个全局人脸形状模型,从而得到人脸形状(即所有人脸特征点)的一次更新.文献中的受限局部模型默认使用主成分分析(PCA)法建立参数人脸形状模型;而非参数形状模型如基于样本(exemplar-based)的方法虽然也被成功的应用于人脸特征点定位,但却没有被纳入受限局部模型的范畴.在这样的背景下,本文的贡献主要有3点:1)成功将基于参数(PCA-based)和非参数(exemplar-based)人脸形状模型的方法统一到概率形式的受限局部模型的框架之下;2)在3个公开的数据集LFW、LFPW、HELEN上汇报了几种典型的参数和非参数受限局部模型的性能;3)总结并讨论了参数和非参数受限局部模型的优缺点,如基于PCA的参数模型拟合速度更快,而基于exemplar的非参数模型精度更高.展开更多
基于视觉词典模型(bag of visual words model,BoVWM)的目标检索存在时间效率低、词典区分性不强的问题,以及由于空间信息的缺失及量化误差等导致的视觉语义分辨力不强的问题.针对这些问题,提出了基于词典优化与空间一致性度量的目标检...基于视觉词典模型(bag of visual words model,BoVWM)的目标检索存在时间效率低、词典区分性不强的问题,以及由于空间信息的缺失及量化误差等导致的视觉语义分辨力不强的问题.针对这些问题,提出了基于词典优化与空间一致性度量的目标检索方法.首先,该方法引入E2LSH(exact Euclidean locality sensitive hashing)过滤图像中的噪声和相似关键点,提高词典生成效率和质量;然后,引入卡方模型(chi-square model,CSM)移除词典中的视觉停用词增强视觉词典的区分性;最后,采用空间一致性度量准则进行目标检索并对初始结果进行K-近邻(K-nearest neighbors,K-NN)重排序.实验结果表明:新方法在一定程度上改善了视觉词典的质量,增强了视觉语义分辨能力,进而有效地提高目标检索性能.展开更多
提出一种在受限局部模型(constrained local models,CLMs)框架下基于判别回归的人脸表示方法,其对于非标记的人脸图像表述效果显著。该方法与树状模型相比,用很少参数表示响应图,高效地对未知的响应图进行重构,通过对其中回归方法进行优...提出一种在受限局部模型(constrained local models,CLMs)框架下基于判别回归的人脸表示方法,其对于非标记的人脸图像表述效果显著。该方法与树状模型相比,用很少参数表示响应图,高效地对未知的响应图进行重构,通过对其中回归方法进行优化,实现鲁棒的形状参数更新,提高运算速度。在Multi-PIE数据库上的实验结果表明,该算法的计算效率优于其它主流算法,具有实时处理的能力。展开更多
文摘人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器扫描图片,为每一个人脸特征点生成一张响应图;然后基于响应图优化一个全局人脸形状模型,从而得到人脸形状(即所有人脸特征点)的一次更新.文献中的受限局部模型默认使用主成分分析(PCA)法建立参数人脸形状模型;而非参数形状模型如基于样本(exemplar-based)的方法虽然也被成功的应用于人脸特征点定位,但却没有被纳入受限局部模型的范畴.在这样的背景下,本文的贡献主要有3点:1)成功将基于参数(PCA-based)和非参数(exemplar-based)人脸形状模型的方法统一到概率形式的受限局部模型的框架之下;2)在3个公开的数据集LFW、LFPW、HELEN上汇报了几种典型的参数和非参数受限局部模型的性能;3)总结并讨论了参数和非参数受限局部模型的优缺点,如基于PCA的参数模型拟合速度更快,而基于exemplar的非参数模型精度更高.
文摘提出一种在受限局部模型(constrained local models,CLMs)框架下基于判别回归的人脸表示方法,其对于非标记的人脸图像表述效果显著。该方法与树状模型相比,用很少参数表示响应图,高效地对未知的响应图进行重构,通过对其中回归方法进行优化,实现鲁棒的形状参数更新,提高运算速度。在Multi-PIE数据库上的实验结果表明,该算法的计算效率优于其它主流算法,具有实时处理的能力。
