基于标准模型特征和部件模型的人脸检测方法研究

人脸检测研究目前虽然已经取得了很大进展，但是实际图像或视频中的各种复杂场景，包括人脸内在（脸型、肤色、表情等细节）和外在（姿态、光照、遮挡以及成像尺度和分辨率等）条件的变化依然是人脸检测研究和应用的难点和热点。模式识别、计算机视觉、心理学、神经科学和视觉认知科学等不同学科领域的不断发展和交叉融合，为研究这一问题提供了有力的理论方法和技术工具。本项目拟展开的工作包括：1）从视觉认知的角度，研究标准模型特征（SMFs）在人脸检测和识别中的应用，该特征模型基于类视觉皮层特征提取机制，适用于复杂场景理解和目标识别；2）研究基于部件模型的人脸检测方法，主要包括部件的选取，部件表象和空间关系的建模，以及基于混合生成-判别统计学习的检测分类器构建方法；3）结合现有的人脸检测算法评价体系，研究统计意义上的算法性能评估方法，对提出的人脸检测方法进行评价。

人脸检测和识别理论和技术已经取得了很大进展并得到广泛应用。本项目开展基于标准模型特征和部件模型的人脸检测和识别方法研究。在基于标准模型特征人脸检测与识别方面，研究基于AAM姿态矫正的非限定环境下的人脸身份识别，提出了基于AAM姿态矫正和局部加权匹配的人脸识别方法；提出了基于改进的SMFs和纹理特征提取的人脸表情识别方法；开发了一套人脸身份、性别和表情综合识别软件。在基于部件模型的人脸检测方面，针对复杂环境和遮挡条件下的人脸检测问题，提出了基于多角度可变形部件加权模型；基于部件的双层优化推理的目标检测模型和旋转不变特征点检测方法；在特征提取方面，重点开展了一系列纹理特征提取方法研究，提出了几种纹理特征模型，并用于人脸图像的检测和识别。在国内外学术刊物和学术会议上已经发表论文12篇，其中SCI检索6篇，EI检索8篇；申请发明专利2项，培养硕士研究生12名。