面部特征

摘要： 流言:目前,人脸识别技术已被应用于公共安全、智能安防、手机密保等多个领域,人们不禁会问,戴口罩出门,人脸识别系统还管用吗?真相:一般情况下,口罩遮挡了人脸的大部分,人脸识别系统无法提取到完整的面部特征,当与系统中保存的不戴口罩的完整人脸照片有很大差异时,人脸识别就会失败。但也有一些人脸识别系统可以识别出戴着口罩的人脸,它们是如何做到“透过口罩看清你的脸”的呢?

摘要： 驾驶员疲劳驾驶会增加车辆和行人的交通安全风险.面向BL-DCNN的人脸关键点定位模型,经过精确定位完成嘴巴、眼睛等特征部位的检测.依据定位结果构建融合眼睛闭合时间、眼睛眨眼频率、嘴巴打哈欠状态的疲劳驾驶检测方法,并结合眼睛张角完成眼睛状态的识别.BL-DCNN的人脸关键点检测方法的平均误差和检测时间分别为0.061ms和283ms,检测性能优于其他检测方法.融合多特征的疲劳特征检测方法准确率高达94%.本研究提供了一种能识别驾驶员危险状态的方案,为今后道路交通安全的检测提供了参考.

摘要： 目的基于中国知网(CNKI)数据库了解面部特征研究领域现状。方法以篇名“面部特征”为检索条件,统计范围包括学术期刊、学位、会议的中文论文,检索时间为2000年1月1日至2021年12月31日,采用文献计量分析法进行数据分析。结果2000—2021年面部特征研究领域发表文献203篇,学术期刊、学位、会议论文发文量分别为125、71、7篇,被引频次数较高的文献主要集中于计算机、电子、软件等领域,学位论文以“985”“211”高校为重要组成部分,国家科学自然基金作为首要支持基金。结论聚焦于面部特征研究在我国快速兴起,且已用于不同领域中。

摘要： 杆状体肌病(NM)是一种显性或隐性遗传突变引起的一组异质性先天性肌肉疾病,发病率为1:50000[1]。其特征是在肌肉活检中可见杆状体,发病年龄从新生儿到成人各不相同。大多数患者是以弥漫性肌肉无力和张力低下为特征的先天性发病,多累及四肢近端、面肌、颈屈肌、呼吸肌,肌肉无力的变形性面部特征有高腭弓、小颌、长脸,骨骼表现可有脊柱侧凸、鸡胸和高足弓,运动功能发育迟滞,眼肌麻痹表现有眼睑下垂和斜视的异常外源性眼球运动,严重的肌肉张力减退通常出现在出生时和生命早期(婴儿松弛综合征),以及类似青蛙的姿势,吮吸困难和呼吸功能不全,多在婴儿期死亡。本院儿科重症监护室(PICU)收治1例先天性杆状体肌病患儿,住院20天后病情稳定出院,出院后随访至今体重稳步增长。现对其病例资料及个性化护理措施报道如下.

摘要： 毛绒玩具软体娃娃和小伙伴Soft Dolls and Matching PupsDouglas出品。该系列娃娃有白、黄、黑三种不同肤色,都用刺绣的方式来表现娃娃的面部特征,身上穿着柔软的花衣。为了避免宝宝孤独,还为每个宝宝配了一只陪伴犬,穿着同样花色的小衣服。产品没有小零件,完全可以机洗。

摘要： 在线学习环境中,专注度是衡量用户学习体验的重要指标。提高专注度识别的准确率可以帮助老师及时获得课程反馈,提升用户的学习体验。然而大多数现有的基于视频的专注度识别方法都只利用用户面部外观信息。除了面部外观信息之外,头部姿态和注视角度以及眨眼频率在内的细粒度行为线索也和学习专注度密切相关,但是,前人在专注度识别任务中没有很好地综合考虑以上特征。因此,本文提出一种新的专注度识别模型。该方法结合深度残差网络(ResNet)提取的脸部特征和基于OpenFace捕获的行为特征,这些特征输入到时序卷积网络(TCN)用于分析视频帧时空上的变化,以此识别出学习专注度。我们的模型在大型公开的专注度检测数据集DAiSEE上训练,在专注度四分类达到61.4%的准确率,实验结果表明,我们的方法超过DAiSEE上专注度识别的最先进方法。

摘要： 抑郁症是一种严重影响生活质量的精神疾病,会伴随面部表情和行为的变化。目前的抑郁症诊断评估主要依赖于自我报告和医师观察,存在主观误差,缺乏客观有效的自动化抑郁症检测方法。面部表情可呈现重要的非语言信息,研究人员开始通过面部特征来辅助识别和诊断抑郁症。而机器学习作为人工智能的核心,在图像特征提取和分类方面有着突出的优势。该文以IEEE Xplore数据库为数据来源,梳理了2016—2021年基于机器学习的抑郁症患者面部特征研究,并对未来研究方向进行展望,以期为日后抑郁症临床智能化诊断和跟踪提供参考。

摘要： 现有监测系统无法很好地应对疫情环境下存在的交叉传染以及追溯困难等问题,因此提出了一套基于边缘计算的公共交通检测系统的设计方案。首先,建立图数据库来储存乘车人员与乘车信息,同时使用双数据库模型防止建立索引带来的阻塞,从而完成插入效率与搜索效率的均衡;其次,在车辆人像信息提取中,采用HSV色彩空间对图片进行预处理,并建立人脸三维空间模型来提升神经网络的识别准确率,在目标佩戴口罩时,通过较明显的鼻尖特征点、下颌特征点与未遮挡的鼻梁部特征点回归出其口鼻等特征点信息;最后,通过k度搜索快速找出密切接触乘客。在特征对比测试中,该方案在BioID数据集和PubFig数据集上分别达到了99.44%和99.23%的正确率,且在两数据集上的假阴性率均小于0.01%;在图搜索效率测试中,在浅层次搜索的时候,图数据库与关系型数据库并无较大差异,当搜索层次变深时,图数据库效率更高;在验证理论可行性之后,模拟了公交车与公交站的实际环境,经测试所提系统在其中的识别准确率为99.98%,识别时间平均约为21 ms,符合疫情监测的要求。所提系统设计可以满足疫情时期公共安全的特殊需求,能够实现人员甄别、路径记录、潜在接触者搜索等功能,从而有效地保证公共交通安全。

摘要： 个体识别是法庭科学实践的研究热点之一,通常依据具有个体唯一性的生物特征(如指纹、虹膜、DNA等)比对结果进行判别。随着视频图像侦查相关案件数量的剧增,基于宏观比对面部表观生物特征进行个体识别的技术需求日益增长。目前,由于计算机3D建模及3D叠加比对技术的引入,基于宏观比对面部表观生物特征的个体识别方法取得了可观进展。本文综述了基于宏观比对面部表观生物特征进行个体识别的不同方法,对其优势和局限性进行分析,并对后续研究提出建议与展望。

摘要： 目的应用人工智能人脸识别技术,研究2型糖尿病(T2DM)患者中医五行人体质分布的特点,并提供相应的客观参数。方法①选取2017年12月~2021年9月在兰州市第二人民医院住院的1590例T2DM患者作为观察组,采集面部图像,利用人工智能人脸识别技术对T2DM患者进行分类。②随机选取同期在该院规律随访的非T2DM志愿者984例作为对照组,采集面部图像,根据得到五行人样本间差异性的数据指标,通过总结差异性的模式,基于人工智能人脸识别技术,共测量18个具有五行人面部特征的形态参数,比较T2DM患者和非T2DM志愿者参数差异。结果根据面部特征对观察组T2DM患者进行五行人体质分类,土型人占40.94%,明显高于其他类型。两组受试者18个面部形态参数比较,面部长宽比、上额宽、下额宽、额尖锐度、左上额角余弦值、右上额角余弦值、面宽、下颌宽等8个参数的差异有统计学意义(P<0.05),提示土型兼火型体质的人,在T2DM患者中的比例明显高于其他体质。结论人工智能人脸识别技术是一种有效的探索研究T2DM患者中医五行人体质分布特点的方式。

摘要： 望面诊是中医体质辨识中的一个重要环节.前期研究发现,不同体质具有不同的面部特征,面部表征信息可为体质辨识提供重要的辅助诊断依据.目前,计算机视觉技术的高速发展,为面部特征的客观化提取与识别提供了可能.在望面诊研究过程中,面部表征信息提取与识别相关技术的开发,涉及到研究相关大样本人脸数据的收集,而样本收集的质量与数量直接影响相关技术开发及转化应用的周期与速度.目前,有较多大样本的公开人脸数据库,中医体质面部研究可利用现有人脸数据库对其中部分技术进行开发与应用测试,从而整体缩短相关技术开发的周期.

摘要： 目的:探索中医体质与面部特征之间可能存在的相关性,提高体质分类判定的精准度.方法:采用自动人脸检测和关键点定位等技术,从采集图像中自动检测彩色照片人脸区域,并进一步将人脸裁剪成标准大小.从彩色图像RGB像素特征及LBP纹理特征等方面研究面部特征与中医体质的相互关系.结果:仅基于彩色图像面部RGB色彩特征的中医体质分类方法整体正确率较低,鲁棒性较差;从各体质分类结果上看,痰湿、湿热、血瘀和平和体质的分类正确率相对较高.基于LBP纹理特征的中医体质分类正确率高于基于RGB像素特征的正确率,其中对平和体质的分类正确率较高.结论:基于彩色图像面部特征对中医体质分类判定有一定的辅助作用.

摘要： 通常面部特征主要指颜面局部有色素痣或斑等足以区别与他人的特征。由于对这类人脸的识别方法研究甚少,所以本文针对人脸图像的特殊性,采用了Gabor小波变换和LDA分析相结合的方法并在ORL人脸库上进行了实验,结果表明采用人脸而部局部Gabor特征和全局LDA特征相融合的方法对于提取这些特殊人脸图像特征非常有效。

摘要： 在现代社会当中，身份认证与识别问题变得尤为重要。其中，基于人脸面部特征的识别技术因其具有的突出优点脱颖而出，得到了广泛研究与应用。考虑到当前人脸识别技术遇到的相关难点，本文寻求了一种主成分分析(PCA)和线性判别分析(LDA)相结合的方法对人脸进行识别，并且基于LabVIEW/MATLAB和摄像采集系统等软硬件设备，设计了人脸识别系统。该系统以人脸识别算法为基础，利用PC机为操作平台，通过将即时采集的人脸图像与所建立的人脸特征库比对，从而快速有效地查出已登记人员的身份信息。

摘要： 采用计算机技术从人头颅骨样本重构出个性化的三维表面面部特征,这在医学、考古学、刑事等领域都具有广泛的应用前景.为此提出了一种特征点自动标定的颅面复原技术,为验证颅面复原结果的可靠性,提出了一种颅面复原结果的评估方法.首先利用特征点自动标定算法对待复原颅骨模型进行特征点标定,然后在基于模板变形的颅面复原技术基础上,引入Laplace坐标网格变形技术来实现待复原颅骨模型的颅面复原.最后根据颅面相似度计算算法来评估复原后颅面的可信度.从实验结果看,特征点自动标定算法大大提高了颅面复原前期工作的效率,颅面复原算法对待复原颅骨的颅面复原取得了良好的复原效果,同时颅面复原结果评估算法达到了主观与客观评价上的一致,对复原结果验证有良好的指导作用.

摘要： 中医望诊中有关面部分区的理论。最早为《内经》中的明堂脏腑色部及颜面五脏色部，后世医家多以此二者作为面部望诊脏腑定位的依据，并未有更深入的研究。直至清代周学海首创“面部脏腑肢节分位图”，但依然是大概部位。现代研究中，王鸿谟提出了中心座标定点法。但这些面部分区方法多过于粗糙笼统，而近年来，各种色诊客观化实验表明，精确选择测量部位，已经成为色诊客观化的关键。而过于笼统的面部分区，已经不能适应现在面部望诊客观化研究的需要。本文在大量文献调研及实际分析的基础上，提出“基于特征点提取的矩阵构建法”，重点解决了对面部的有效定位及为各分区小模块编号的确定等问题；通过对特征点的提取.建立坐标系，构建出矩阵模块，完成对整个面部二维坐标体系方案的设计。

摘要： 本发明提供一种即使存在外部乱光或个人差别，也能够提供根据面部图像高精度地检测特征点的装置。利用摄像机(2)和图像输入部(21)获取面部图像数据(51)。边缘计算部(23)根据面部图像数据(51)，计算出表示水平方向的亮度变化的水平方向边缘值、或表示垂直方向的亮度变化的垂直方向边缘值。图像窗口扫描部(25)针对将边缘计算部(23)计算的按每个像素的水平方向或垂直方向的边缘值与面部图像的像素对应地排列的边缘图像，利用以规定形状选择的像素的集合即图像窗口进行扫描，对图像窗口内的像素对应的边缘值乘以图像窗口的按每个像素的规定值并相加加权和作为扫描记分数据(56)。特征位置判断部(26)将加权和为最大的上述图像窗口的位置判断为存在检测对象的检测位置。

摘要： 本文一般描述用于面部表现驱动的化身系统中的非面部动画的系统和方法的示例。一种用于面部动作驱动的身体动画的方法可包括捕获面部的图像的系列，并且计算图像的系列中的每个图像的面部运动数据。该方法可包含基于面部运动数据来识别化身身体动画，并且使用化身身体动画来制作化身的身体的动画。

摘要： 本发明公开了一种基于面部及皮肤特征的面部作业机器人及其轨迹规划方法，包括以下步骤：(1)基于成年人头面部部分尺寸进行面部作业与非作业区域的划分；(2)综合分析面部皮肤朗格氏线与皱纹线两种皮肤张力线，针对不同位置面部作业区域设计机器人作业轨迹；(3)结合等平面法与二分法获取面部作业机器人轨迹曲线；(4)基于面部肌肤曲率的机器人作业轨迹优化；(5)基于最近邻算法选择最优面部作业区域轨迹点次序，实现机器人轨迹规划，得到面部作业机器人操作轨迹。本发明针对人体面部作业考虑面部粘弹性、皮肤各向异性和人体感受度等特性进行轨迹设计与规划，提高机器人操作的平稳性，减小冲击，以实现面部区域的高效、连贯操作。

摘要： 本文描述用于眼部血管、眼周及面部区域的生物识别注册及验证技术。可基于面部区域的图像中经识别的眼部区域的尺寸来界定眼周图像区域。可使用图案化直方图特征描述符的组合来针对所述眼部及眼周区域中的关注点产生特征描述符。可基于以围绕所述关注点的纹理为基础所计算的区域值分数来确定所述区域的质量度量。一种用于基于所述眼部及眼周区域来计算匹配分数的生物识别匹配过程可逐步包含额外眼周区域以获得更大匹配可信度。

摘要： 本发明提供一种即使存在外部乱光或个人差别，也能够提供根据面部图像高精度地检测特征点的装置。利用摄像机(2)和图像输入部(21)获取面部图像数据(51)。边缘计算部(23)根据面部图像数据(51)，计算出表示水平方向的亮度变化的水平方向边缘值、或表示垂直方向的亮度变化的垂直方向边缘值。图像窗口扫描部(25)针对将边缘计算部(23)计算的按每个像素的水平方向或垂直方向的边缘值与面部图像的像素对应地排列的边缘图像，利用以规定形状选择的像素的集合即图像窗口进行扫描，对图像窗口内的像素对应的边缘值乘以图像窗口的按每个像素的规定值并相加加权和作为扫描记分数据(56)。特征位置判断部(26)将加权和为最大的上述图像窗口的位置判断为存在检测对象的检测位置。

摘要： 本发明公开了一种基于人脸面部肌肉运动特征的面部神经麻痹疾病检测方法，解决了面部神经麻痹疾病的检测诊断不能快速简易化的问题。该发明含有以下步骤：1、通过人脸检测算法获得相机视野中人脸的位置，采集图像数据，输出人脸图像；2、根据人脸图像重建3D模型；3、获取人脸3D模型上相关肌肉对应的网格点的坐标；4、对人脸图像进行角点检测，获得肌肉上的角点特征，并根据角点修正面部肌肉的运动特征；5、为人脸3Dmensh的网格点分配权重；6、根据面部肌肉运动特征和角点位置的变化特征获得面部肌肉的运动幅度。该技术可以方便快捷的部署在APP应用上，疑似患者通过APP来检测其是否患有面部神经麻痹疾病以及患病程度。

摘要： 一种面部特征验证装置，能够合成被监视人员用于指定监视人员想要监视的监视目标人物的适当的验证图像。该面部特征验证装置包括：多个成像装置(1)；用于控制成像装置(1)的成像控制装置(2)；用于显示由成像装置(1)所拾取的图像的显示装置(3)；和用于从所拾取的图像中检测人物、确定该人物的脸部区域，提取脸部图像、从由多个成像装置(1)所拾取的图像中提取脸部图像、从多个被提取的脸部图像中提取脸部特征并结合该多个脸部特征、然后将它们与记录在脸部图像数据库(5)中的脸部特征相验证的验证装置(4)。

摘要： 提供能够更准确地估计面部的特征部的位置的面部特征部检测装置、面部特征部检测方法。本发明提供面部特征部检测装置(10)，其特征在于，具有：特征部传感器(11)，取得与对象者的特征部相关的信息；特征部检测部(12)，根据所述特征部传感器所取得的与对象者的特征部相关的信息，检测对象者的面部的特征部；三维坐标计算部(13)，计算所述对象者的特征部的三维坐标；以及特征部位置估计部(15)，依据所述对象者的特征部以左右对称的方式存在，基于所述特征部检测部所检测出的第一特征部的所述三维坐标，估计存在于与该第一特征部左右对称的位置处的第二特征部的三维坐标。

摘要： 一种面部特征验证装置，能够合成被监视人员用于指定监视人员想要监视的监视目标人物的适当的验证图像。该面部特征验证装置包括：多个成像装置(1)；用于控制成像装置(1)的成像控制装置(2)；用于显示由成像装置(1)所拾取的图像的显示装置(3)；和用于从所拾取的图像中检测人物、确定该人物的脸部区域，提取脸部图像、从由多个成像装置(1)所拾取的图像中提取脸部图像、从多个被提取的脸部图像中提取脸部特征并结合该多个脸部特征、然后将它们与记录在脸部图像数据库(5)中的脸部特征相验证的验证装置(4)。

摘要： 本发明提供了一种基于面部特征点与面部运动单元的抑郁检测方法和系统，涉及抑郁状态检测技术领域。基于临床半结构化抑郁访谈视频，提取面部运动单元数据和面部特征点数据；对面部运动单元数据进行标准化处理，得到面部运动单元特征向量；对面部特征点数据降维，并利用通道注意力机制对降维后的面部特征点数据进行处理，得到面部特征点特征向量；将面部运动单元特征向量与面部特征点特征向量进行融合，并利用空间注意力分配注意力权重，得到面部融合特征向量；将面部融合特征向量输入特征展平层，得到抑郁状态检测结果。实现了基于诊疗过程中采集到的监测数据进行抑郁状态检测。