在指紋識別技術中,指紋門禁一體機,指紋門禁考勤一體機等指紋識別產品,在進行指紋識別的時候,其實是每次采集的數據與注冊時的數據進行比對。下面我去看一下人臉表情識別技術中表情原始特征的提取。
原始特征包括特征(如眼睛、嘴唇等人臉特征)和瞬時特征(如某些表情所導致的魚尾紋等),他們可從圖像或視頻中獲取,不過所采用的方法有所不同:如果要從靜態圖像中獲取原始特征,采用的方法主要分三類。
1)基于幾何特征的方法
人臉是由眼睛、眉毛、鼻子、嘴巴、下巴等器官組成的,而人臉表情的產生正是受到這些器官大小、形狀、方向、相對位置和尺寸變化的影響。
基于幾何特征的方法側重提取臉部表面的基準點/特殊點,并利用他們之間的幾何關系來提取幾何特征的。它的優點是能夠簡潔地表示出入臉宏觀的結構變化,但是幾何特征的獲取對基準點提取的準確性要求較高,這在圖像質量低和背景復雜的情況下常難以實現。
2)基于外貌特征的方法
外貌( appearance)特征是指使用人臉圖像像素性質的特征,反映了人臉圖像底層的信息,特別是反映局部細微變化的信息。的方法是基于灰度圖像,但由于灰度像素受到光照和噪聲影響較大,因此需要較好的預處理方法。
外貌特征提取最主要的技術是利用圖像的局部特性。例如,利用一組濾波器對圖像進行濾波(或用模板進行卷積),其結果就可以反映近鄰像素之間的關系(梯度變化、相關性、紋理等)。近年來,基于Gabor小波的方法被廣泛應用于人臉表情的特征提取,它能夠同時檢測多尺度、多方向的紋理變化,同時受光照變化影響較小。
3)基于混合特征的方法
幾何特征能夠簡潔她表示出入臉宏觀的結構變化,而外貌特征側重于提取局部的細微變化,可以將二者結合起來,用混合的特征進行表情識別。這里有許多不同的組合手段,并常用模型的方式來描述人臉的結構。目前廣泛應用的一類方法是基于活躍外貌模型(AAM)。AAM方法結合形狀和紋理信息建立對人臉的參數化描述,然后再用PCA進行降維。例如,活躍小波網絡(AWN)使用Gabor小波網絡的表示方法來對紋理的變化進行建模,它對部分阻擋和一些光照的變化有較好的魯棒性。相對于基于外貌特征的方法,基于模型的方法可以得到更為可靠的人臉特征參數;但同時它也有計算較為復雜,而且初始點獲取困難等缺點。
2025第十一屆中國國際機電產品交易會 暨先進制造業博覽會
展會城市:合肥市展會時間:2025-09-20