2017cvpr论文解读——Nasal Patches and Curves for Expression-Robust 3D Face Recognition

简介: 2017cvpr论文解读——Nasal Patches and Curves for Expression-Robust 3D Face Recognition

论文地址:https://ieeexplore.ieee.org/document/7467565

Code地址:https://github.com/mehryaragha/NoseBiometrics  

三维人脸识别,是人脸识别的研究前沿。这篇论文主要用比较经典的手动特征加分类器方案,针对鼻子这类对表情不变的部位展开分析,得到了很好的表情鲁棒识别结果。在介绍这篇文章之前,我们先简单了解一下人脸识别系统的组成部分:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

 

1.简介

以往很多关于表情不变性三维人脸识别的研究都集中在对敏感面部表情的建模和检测上,但评估鼻腔区域解决这一问题潜力的研究相对较少,其实鼻子有许多突出特征,使它适于表情鲁棒的识别。本文进一步研究了用于身份验证和确认的三维鼻区区域,提出了一种新的算法,该算法具有很高的识别强度。

算法流程:

  1. 找到鼻尖的大致位置,然后进行细调,同时确定鼻根的准确位置,检测面部的对称平面(为了确定鼻尖和鼻根的位置更加准确)。
  2. 找到三组landmark(特征点)的位置:鼻下,眼角和鼻翼沟,用于通过应用Gabor小波的深度图其表面法线而创建的特征图。
  3. 使用两种类型的特征描述符:spherical patches and nasal curves。
  4. 使用启发式遗传算法(GA)进行特征选择。
  5. 将表情——鲁棒的特征描述符应用于3D Face Recognition Grand Challenge (FRGC) , Bosphorus  and Binghamton University 3D Facial Expression (BU-3DFE) 数据集进行测试

3.预处理和鼻区标记

鼻尖初始位置为L40,鼻根初始位置为L10,过鼻尖点与xy平面垂直的多个平面与鼻区曲面形成多条曲线,蓝色为生成的曲线:

曲线是递减的,没有极小值,经过一定角度的旋转, 可以找到一阶微分为0的点,作为最小值点,并映射到原始曲线对应的位置。取多条曲线最小值中的极大值作为鼻根点。

很忧伤,不会打公式,还是贴图吧。。。。。。。

三个式子,(3)说明了鼻尖点和鼻根点不位于一条直线上时会产生夹角,(4)用对称点的深度差值来说明鼻尖点和鼻根点尽可能位于鼻区中间,【个人想法:其实人脸并不会真正完全对称,这个应该是理论上的值,跟实际应该有差距】,(5)在保证鼻尖点和鼻根点位于鼻区中间的同时保证两点位于一条直线上,及面部对称平面和面部的交线。

嗯,,,,,这篇的文章的关键点就在这里啦,其他的就很容易了,就不细细说来了。

目录
相关文章
|
1月前
|
算法 数据挖掘
文献解读-Genome-wide imputation using the practical haplotype graph in the heterozygous crop cassava
PHG是一种将基因组简化为一组单倍型的方法。这种方法可用于从稀疏的基因分型信息中预测杂合子物种中的全基因组单倍型。它的高精度,特别是在稀有等位基因中,在非常低的测序深度下,使其成为一种潜在的强大插补工具。
32 4
|
机器学习/深度学习 算法 计算机视觉
NeRF-Pose: A First-Reconstruct-Then-Regress Approach for Weakly-supervised 6D Object Pose Estimation
NeRF-Pose: A First-Reconstruct-Then-Regress Approach for Weakly-supervised 6D Object Pose Estimation
252 0
|
算法 PyTorch 算法框架/工具
论文解读:LaMa:Resolution-robust Large Mask Inpainting with Fourier Convolutions
论文解读:LaMa:Resolution-robust Large Mask Inpainting with Fourier Convolutions
624 0
|
机器学习/深度学习 数据挖掘
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
53 1
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
|
编解码 计算机视觉
NeRF系列(3): Semantic-aware Occlusion Filtering Neural Radiance Fields in the Wild 论文解读
NeRF系列(3): Semantic-aware Occlusion Filtering Neural Radiance Fields in the Wild 论文解读
214 2
|
机器学习/深度学习 自然语言处理
【论文精读】COLING 2022 - DESED: Dialogue-based Explanation for Sentence-level Event Detection
最近许多句子级事件检测的工作都集中在丰富句子语义上,例如通过多任务或基于提示的学习。尽管效果非常好,但这些方法通常依赖于标签广泛的人工标注
84 0
|
机器学习/深度学习 编解码 数据可视化
Speech Emotion Recognition With Local-Global aware Deep Representation Learning论文解读
语音情感识别(SER)通过从语音信号中推断人的情绪和情感状态,在改善人与机器之间的交互方面发挥着至关重要的作用。尽管最近的工作主要集中于从手工制作的特征中挖掘时空信息,但我们探索如何从动态时间尺度中建模语音情绪的时间模式。
129 0
|
机器学习/深度学习 PyTorch 算法框架/工具
【论文精读】ISBI 2022 - Retinal Vessel Segmentation with Pixel-wise Adaptive Filters
由于视网膜血管的纹理复杂和成像对比度低,导致精确的视网膜血管分割具有挑战性。以前的方法通常通过级联多个深度网络来细化分割结果
115 0
|
数据可视化 数据挖掘
【论文解读】Dual Contrastive Learning:Text Classification via Label-Aware Data Augmentation
北航出了一篇比较有意思的文章,使用标签感知的数据增强方式,将对比学习放置在有监督的环境中 ,下游任务为多类文本分类,在低资源环境中进行实验取得了不错的效果
359 0
|
数据挖掘
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation-ppt版学习笔记
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation-ppt版学习笔记
121 0