改进的用于人脸对准的多尺度ASM方法

针对传统的Active Shape Model(ASM)方法的缺陷与不足,提出了几点改进的方法。传统的ASM方法很难在每个特征点上都得到比较准确的结果,并且,传统的ASM方法的匹配结果受初值的影响非常大。根据人脸的结构特征,把ASM的匹配过程和人脸的部件定位信息以及人脸的边缘信息等相结合,有效地改善了ASM方法的性能。实验结果表明,改进的ASM方法在准确性和鲁棒性上有较大提高。     

多姿态人脸图像合成

提出了一种从单张旋转人脸图像合成正面人脸图像的方法。首先把测试人脸图像表示为形状向量和纹理向量,用线性物体类的理论来合成正面形状和纹理,之后把测试图像的纹理和合成的纹理结合产生最终的正面纹理,最后应用分段三角形拉伸算法把合成的纹理和形状结合起来,生成了测试人脸的正面图像。实验结果表明,该方法能有效地从单张旋转人脸图像合成正面人脸图像,合成正面人脸图像使识别率大幅提高。     

改进的线段Hausdorff距离人脸识别方法

针对传统的线段Hausdorff距离(LHD)方法在人脸识别中的缺陷与不足提出了几点改进：把active shape模型(ASM)得到的人脸配准的结果结合到LHD线段边缘图(LEM)的提取过程,得到了比较好的结果;对人脸不同部分的线段给予不同的权重,并且把线段对的匹配限制在给定的邻域内。实验结果表明,改进的LHD方法比传统的LHD方法在微笑和小角度姿态变化下的识别率分别提高了10．3％和10．0％。