×

用于人脸识别的多糖3D面部纹理细化。 (英语) Zbl 1404.68129号

摘要:在本文中,我们提出了一种新的基于多人脸图像的三维人脸重建方法。给定原始的位置变化图像,初始化粗糙的3D人脸模板,以迭代方式重建精细的3D人脸网格。然后,我们使用稀疏网格仿射扭曲(SMAW)将原始面部图像扭曲到从3D投影的2D网格。最后,我们分别对每个视图中的面片进行加权,并将权重较高的面片映射到标准UV空间。对于具有任意姿势的面部图像,其不可见区域将填充相应的UV面片。泊松编辑用于无缝混合不同的面片。我们在LFW数据集上从纹理细化和人脸识别方面评估了该方法。结果表明,与最先进的方法相比,其性能具有竞争力。

MSC公司:

68吨10 模式识别、语音识别
68单位10 图像处理的计算方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Abiantun,R.、Prabhu,U.和Savvides,M.,用于姿势容忍人脸识别的稀疏特征提取,IEEE Trans。模式分析。马赫。Intell.36(10)(2014)2061-2073。
[2] Basri,R.和Jacobs,D.W.,兰伯特反射率和线性子空间,IEEE Trans。模式分析。马赫。《情报》25(2001)218-233。
[3] Branz,V.、Mehl,A.、Vetter,T.和Seidel,H.P.,《稀疏数据稳健三维曲面重建的统计方法》,国际交响乐组织。3D数据处理、可视化和传输,2004年。3dpvt 2004年。程序。(IEEE,2004),第293-300页。
[4] Chu,B.、Romdhani,S.和Chen,L.,对表情和姿势变化鲁棒的三维辅助人脸识别,IEEE Conf.Compute。视觉和模式识别(IEEE Computer Society,2014),第1907-1914页。
[5] Chu,D.,Shah,S.K.和Kakadiaris,I.A.,使用半耦合字典学习的部分数据的3D人脸识别,IEEE国际会议。自动人脸和手势识别研讨会(2013),第1-8页。
[6] Ding,C.,Xu,C.和Tao,D.,多任务位置不变人脸识别,IEEE Trans。图像处理24(3)(2015)980-993·Zbl 1408.94132号
[7] Ding,C.和Tao,D.,基于单字的归一化的位置不变人脸识别,模式识别66(2017)144-152。
[8] Dou,P.,Wu,Y.,Shah,S.和Kakadiaris,I.,通过双重耦合结构学习从单个图像进行鲁棒3D人脸形状重建,英国机器视觉会议(BMVC,2014)。
[9] Dou,P.,Zhang,L.,Wu,Y.,Shah,S.K.和Kakadiaris,I.A.,多视角人脸识别的姿态鲁棒人脸签名,IEEE第七届国际生物计量学大会理论、应用和系统(BTAS),2015(IEEE,2015),第1-8页。
[10] Egger,B.、Forster,A.和Vetter,T.,生成图像模型的背景建模,计算。视觉。《图像理解》.136(C)(2015)117-127。
[11] Hansen,M.F.、Atkinson,G.A.、Smith,L.N.和Smith(M.L.),使用近红外和可见光从光度立体图重建3D人脸,计算。视觉。图像理解114(2010)942-951。
[12] Huang,D.,Ardabilian,M.,Wang,Y.和Chen,L.,基于定向梯度图的自动非对称3D-2D人脸识别,国际生物计量学协会(IEEE,2012),第125-131页。
[13] Huang,D.,Ardabilian,M.,Wang,Y.和Chen,L.,基于lbp人脸表示和典型相关分析的非对称3D/2D人脸识别,IEEE国际会议图像处理(IEEE出版社,2009),第3289-3292页。
[14] Huang,G.B.、Mattar,M.、Berg,T.和Learnd-Miller,E.,《野外标记人脸:无约束环境下人脸识别研究数据库》,Month(2008)。
[15] Kakadiaris,I.A.、Passalis,G.、Toderici,G.,Murtuza,M.N.、Lu,Y.、Karampatziakis,N.和Theoharis,T.,《面部表情存在下的三维人脸识别:注释变形模型方法》,IEEE Trans。模式分析。马赫。Intell.29(4)(2007)640。
[16] Kazhdan,M.、Bolitho,M.和Hoppe,H.,泊松曲面重建,见Proc。第四届Eurographics Symp。几何处理,SGP’06(欧洲制图协会,瑞士Aire-la-Ville,瑞士,2006),第61-70页。
[17] Kazhdan,M.和Hoppe,H.,《屏蔽泊松表面重建》,Acm Trans。图32(3)(2013)1-13·Zbl 1322.68228号
[18] Kemelmacher-Shlizerman,I.和Seitz,S.M.,《野外面部重建》,2011年国际计算机视觉会议(2011)1746-1753。
[19] Klontz,J.C.、Klare,B.F.、Klum,S.和Jain,A.K.,开放源码生物识别,IEEE国际生物计量学会议:理论、应用和系统(IEEE,2013),第1-8页。
[20] Li,S.、Liu,X.、Chai,X.,Zhang,H.、Lao,S.和Shan,S.,《跨姿势人脸识别的基于形变场的图像匹配》(Springer,Berlin,Heidelberg,2012)。
[21] Paysan,P.、Knothe,R.、Amberg,B.、Romdhani,S.和Vetter,T.,姿态和光照不变人脸识别的3D人脸模型,IEEE国际会议高级视频和信号监控(IEEE,2009),第296-301页。
[22] Rama,A.、Tarres,F.、Onofrio,D.和Tubaro,S.,姿势估计和人脸识别的混合2D-3D信息,2006年IEEE国际声学会议论文集,第2卷(IEEE,2006年5月),第II-II页。
[23] Rara,H.、Farag,A.A.和Davis,T.,使用少量特征点从未知姿势和照明的单个图像中基于模型的3D形状恢复,国际期刊中央银行(2011)1-7。
[24] Riccio,D.和Dugelay,J.L.,2D/3D人脸识别的几何不变量,模式识别。Lett.28(14)(2007)1907-1914。
[25] Roth,J.、Tong,Y.和Liu,X.,无约束三维人脸重建,2015 IEEE Conf.Compute。视觉与模式识别(CVPR)00(2015)2606-2615。
[26] C.Sagonas、Y.Panagakis、S.Zafeiriou和M.Pantic,《稳健的统计正面化》(2015)3871-3879。
[27] K.Simonyan、O.M.Parkhi、A.Vedaldi和A.Zisserman,《野生Fisher病媒面部》(2013年)。
[28] Suwajanakorn,S.、Kemelmacher Shlizerman,I.和Seitz,S.M.,《全面移动工作面重建》,ECCV(2014)。
[29] Tanaka,M.,Poisson图像编辑,Acm Transactions on Graphics22(3)(2003)313-318。
[30] 唐义勇,陶义明,林永明,基于分形行为的特征提取新方法,模式识别。35(5)(2002)1071-1081·Zbl 0997.68117号
[31] Trigeorgis,G.,Snape,P.,Kokkinos,I.和Zafeiriou,S.,使用完全卷积网络的“野外”人脸法线,IEEE Conf.计算机视觉和模式识别(CVPR),2017年7月。
[32] Wolf,L.、Hassner,T.和Taigman,Y.,基于背景样本的相似性得分,《亚洲计算机视觉》(2009),第88-97页。
[33] Xu,Y.,Price,T.,Frahm,J.-M.和Monrose,F.,《虚拟u:通过从公开照片中构建虚拟模型来击败面部活性检测》,第25届USENIX安全研讨会(USENIX-Security 16)(USENIX协会,德克萨斯州奥斯汀,2016),第497-512页。
[34] 山口S.和森岛S.,通过稀疏和密集对应从多个图像合成人脸纹理,SIGGRAPH ASIA 2016技术简报(ACM,2016),第14页。
[35] Yin,L.和Yourst,M.T.,基于正面和侧面视图的高分辨率3D人脸建模的3D人脸识别,ACM Sigmm生物统计学方法和应用研讨会(ACM,2003),第1-8页。
[36] Zhang,L.,Ding,Z.,Li,H.,Shen,Y.和Lu,J.,基于多关键点描述符和稀疏表示的3D人脸识别,PLOS One9(6)(2014)。
[37] Zhang,T.,Fang,B.,Tang,Y.Y.,He,G.和Wen,J.,用于人脸识别的保拓扑非负矩阵因式分解,IEEE Trans。图像处理.17(4)(2008)574-84。
[38] Zhang,T.,Fang,B.,Tang,Y.Y.,Shang,Z.和Xu,B.,广义判别分析:矩阵指数方法,IEEE Trans。系统。人类网络。B部分网络。40(1)(2010)186。
[39] Zhang,T.,Fang,B.,Yuan,Y.,Tang,Y.Y.,Shang,Z.,Li,D.和Lang,F.,可变光照下人脸识别的多尺度面部结构表征,模式识别。42(2)(2009)251-258·Zbl 1162.68644号
[40] Zhang,T.,Tang,Y.Y.,Shang,Z.和Liu,X.,使用梯度人脸在不同光照下进行人脸识别,IEEE Trans。图像处理.18(11)(2009)2599·Zbl 1371.94457号
[41] Zhang,W.,Huang,D.,Wang,Y.和Chen,L.,跨姿势变化的3D辅助人脸识别,中国Conf.生物识别(Springer-Verlag,2012),第58-66页。
[42] Zhang,P.、Loo,P.,Loy,C.C.和Tang,X.,通过深度多任务学习进行面部标志物检测,ECCV(2014)。
[43] Zhao,X.、Evangelopoulos,G.、Chu,D.、Shah,S.和Kakadiaris,I.A.,《使用照明地图最小化3D到2D人脸识别的照明差异》,IEEE Trans。Cybernet.44(5)(2014)725。
[44] Zhu,X.,Lei,Z.,Yan,J.,Yi,D.和Li,S.Z.,野外人脸识别的高精度姿势和表情规范化,2015 IEEE Conf.Compute。视觉和模式识别(CVPR)00(2015)787-796。
[45] Tang,Y.Y.,Yang,L.和Liu,J.,用小波变换表征dirac结构边,IEEE Trans。系统人控制论B部分控制论30(1)(2000)93-109。
[46] 唐义勇,涂立泰,刘杰,李世伟,基于多特征和多级分类的手写体离线识别,IEEE Trans。模式分析机器智能20(5)(1998)556-561。
[47] Tang,Y.Y.和You,X.,基于新小波函数的带状形状骨架化,IEEE Trans。模式分析机器智能25(9)(2003)1118-1133。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。