人脸表情的识别、重建与合成

表情识别论文 基于GPU的主动形状模型论文 Kalman滤波论文 主动外观模型论文 二元HMM语音论
论文详情
近30多年来,通过计算机对人脸表情进行自动处理成为当前计算机视觉、计算机图形学、模式识别等领域的一个热点研究课题,在视频会议、影视制作、智能人机接口等方面有着广泛的应用前景。本文的工作主要集中在两个方面,一方面是对人脸表情进行识别,另一方面是对人脸进行重建,合成人脸表情。 提出论文的研究背景和研究内容,回顾人脸表情识别(基于静态图像、视频及语音视频)、人脸重建以及表情合成的相关技术,分别对这些方法进行分类和比较,指出其优点和不足之处,并给出研究的难点。 针对人脸表情识别,根据输入数据的不同,分三章进行阐述。 第三章提出基于GPU的主动形状模型(ASM)用于对静态图像中的人脸表情特征进行跟踪和提取,通过基于GPU的边界滤波和调和映射,使对象梯度轮廓梯度得到增强,减少模型匹配收敛的迭代次数和搜索时间,在速度和准确度上都比传统的ASM有很大提高。进而采用SVM进行表情分类。 对于动态视频序列,第四章提出基于Kalman预测的AAM视频跟踪算法,利用当前帧跟踪结果通过Kalman滤波预测下一帧中关键点的位置,并采用跟踪结果对形状模型进行更新,从而减少搜索空间,使在视频中进行人脸特征搜索的速度得以提高。提出一个基于二元隐马尔科夫模型(Hidden Markov Model,HMM)的视频人脸表情识别模型,将跟踪的特征进行分割构造两个独立的特征向量流,使表情动作和嘴巴的动作得以分离,既保持二者的时间关联性,又保持在人脸运动中的独立性,使识别的准确率得到提高。 在第四章工作的基础上,第五章对二元HMM进行推广,提出一个三元HMM及其相关的Viterbi最优路径搜索算法和模型训练算法,引入情绪语音,实现语音辅助的人脸表情识别,并通过设置权重平衡视觉特征和语音特征的影响,使平均识别率取得了提高,识别更为鲁棒。 对于人脸重建和表情合成,工作集中在快速人脸纹理映射和高分辨率人脸网格模型表情生成这两个问题上。 第六章提出一个基于RBF速度场的实时交互纹理映射算法,避免对特征点的全局操作导致的复杂交互和较大系统开销,使纹理映射变得简单快捷,系统开销大大降低,实现基于单幅照片的人脸快速纹理映射,最后通过FAP参数驱动获得不同表情的人脸。 第七章在进行人脸网格的对齐方面,提出基于SVD的三维人脸网格对齐算法,使不同尺度、方向和位置的人脸网格模型取得对齐;在实现不同人脸网格之间的对应上,提出基于GPU的网格图像反馈对应算法,解决以往算法需要迭代逼近取得对应的计算复杂度高、时间开销大的问题;在表情的映射上,提出基于Helmholtz-Hodge分解的网格变形映射算法,解决以往方法导致的速度和“瑕疵”问题。另外,基于新的人脸表情映射方法,提出一个基于通用控制网格的人脸表情合成方法,实现无表情样本目标人脸上的表情合成。
第一章 绪论第8-13页
    1.1 人脸表情识别、重建与合成的难点第8页
    1.2 研究人脸表情识别、重建与合成的意义及应用第8-10页
    1.3 本文的主要目标和工作第10-11页
        1.3.1 人脸表情的分析识别第10页
        1.3.2 真实感表情人脸重建与合成第10-11页
    1.4 本文章节的组织结构第11-13页
第二章 人脸表情识别、重建与合成技术回顾第13-35页
    2.1 人脸表情识别技术回顾第13-27页
        2.1.1 基于静态图像的人脸表情识别第15-19页
        2.1.2 基于视频序列的人脸表情识别第19-25页
        2.1.3 语音辅助的人脸表情识别第25-27页
    2.2 真实感人脸建模与表情合成技术第27-33页
        2.2.1 三维真实感人脸建模技术第27-31页
        2.2.2 人脸表情合成技术第31-33页
    2.3 本章小节第33-35页
第三章 GPU增强的人脸表情识别第35-50页
    3.1 GPU基本知识第35-37页
    3.2 基于GPU的主动形状模型第37-44页
        3.2.1 主动形状模型(ASM)分析第37-40页
        3.2.2 基于GPU的主动形状模型第40-44页
    3.3 基于GASM+SVM的表情识别第44-47页
        3.3.1 SVM基本知识第44-45页
        3.3.2 基于GASM+SVM的表情识别方法第45-47页
    3.4 实验和结果分析第47-49页
    3.5 本章小节第49-50页
第四章 基于动态视频序列的二元HMM人脸表情识别第50-67页
    4.1 人脸特征提取和向量化第50-60页
        4.1.1 动态视频序列中的人脸特征点跟踪第50-55页
        4.1.2 异步独立的表情特征提取第55-60页
    4.2 基于二元HMM的人脸表情识别模型第60-64页
        4.2.1 HMM基础知识第60-62页
        4.2.2 二元HMM的定义第62-63页
        4.2.3 基于二元HMM人脸表情识别模型的训练第63-64页
        4.2.4 基于动态视频序列的人脸表情识别第64页
    4.3 实验和结果分析第64-66页
    4.4 本章小节第66-67页
第五章 基于三元HMM的语音辅助人脸表情识别第67-74页
    5.1 语音辅助的人脸表情识别技术的难点分析第67-68页
    5.2 语音辅助人脸表情识别中的特征提取和量化第68-69页
        5.2.1 语音特征的提取第68-69页
        5.2.2 特征向量的量化算法第69页
    5.3 基于THMM的语音辅助人脸表情识别第69-72页
        5.3.1 三元HMM的定义及其与其他异步HMM的区别第69-70页
        5.3.2 三元HMM的训练第70-71页
        5.3.3 基于三元HMM的语音辅助表情识别第71-72页
    5.4 实验和结果分析第72-73页
    5.5 本章小节第73-74页
第六章 基于单幅照片的快速人脸纹理映射第74-84页
    6.1 基于单幅照片的快速人脸纹理映射的研究背景第74-77页
        6.1.1 基于单幅照片人脸纹理映射的应用需求第74页
        6.1.2 人脸纹理映射的基本知识及回顾第74-77页
    6.2 基于RBF速度场的实时交互快速纹理映射算法第77-80页
        6.2.1 纹理图像和三维模型的获取第77-78页
        6.2.2 基于单幅照片的快速纹理映射算法第78-80页
    6.3 实验和结果分析第80-82页
    6.4 本章小节第82-84页
第七章 面向高分辨率网格的三维人脸表情映射与合成第84-107页
    7.1 人脸表情映射与合成相关技术第84-85页
        7.1.1 基于高分辨率网格人脸表情映射技术回顾第84-85页
        7.1.2 高分辨率三维人脸表情合成的特点第85页
    7.2 基于高分辨率网格的人脸表情映射第85-103页
        7.2.1 预备工作第86页
        7.2.2 传统的人脸网格对应算法第86-90页
        7.2.3 基于网格图像的反馈对应算法第90-98页
        7.2.4 基于网格变形的人脸表情映射第98-101页
        7.2.5 实验结果与分析第101-103页
    7.3 基于高分辨率网格的真实感人脸表情合成第103-106页
        7.3.1 传统的基于样例的人脸表情合成第104页
        7.3.2 基于通用控制网格的表情合成第104-106页
        7.3.3 实验结果与分析第106页
    7.4 本章小节第106-107页
第八章 总结和展望第107-110页
    8.1 工作总结第107-108页
    8.2 展望第108-110页
参考文献第110-121页
附录1 FAP参数详细列表第121-125页
作者在攻读博士期间发表(录用)的论文第125-126页
致谢第126页
论文购买
论文编号ABS1573592,这篇论文共126页
会员购买按0.30元/页下载,共需支付37.8
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付63
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656