一种驾驶员面部识别中眼睛定位算法

介绍了一种精确定位眼睛的方法,该算法先利用改进的人脸图像的垂直灰度积分投影确定脸的左右边界,再根据人脸图像的水平灰度投影曲线来确定眼睛的大致高度;还将传统的积分投影方法与本文提出的微分投影相结合,实验结果表明该算法消除了背景、头发及服装等干扰,定位准确率高.     

一种简单快速的人眼定位方法

人眼的自动定位是人脸识别研究中一个基本且非常重要的课题．对于人脸正面灰度图像,提出一种基于小区域内的积分投影和模板匹配相结合的人眼定位算法,该算法首先利用垂直积分投影确定人脸的左右边界,再对边界内图像提取水平边缘和水平积分投影以便提取眼睛小区域,最后利用模板匹配法精确定位瞳孔．实验表明该算法简单快速,定位准确率高,并且对图像背景及拍摄条件、倾斜、眼镜等变化具有很强的鲁棒性．     

基于梯度方向的面部定位方法

提出一种利用梯度方向的快速面部定位方法,对于有一定旋转角度、光照有变化、有胡须的人脸图象,可以进行快速定位.该方法首先对原图象的二值化图象进行垂直积分投影以垂直定位,然后用二值化图象梯度方向的分布特点进行水平定位.实验表明该方法是快速有效的.     

基于投影和几何变换的人脸图像规范化方法研究与实现

对于人脸图像的规范化处理是人脸识别过程中的重要步骤.采用基于投影和几何变换的人脸图像规范化方法,对人脸图像水平垂直投影算法和几何变换算法进行了分析,并在ORL人脸库上进行实验.实验结果表明,该算法对人脸图像处理效果明显,适用于对人脸图像的规范化.     

基于PCA和神经网络的人脸识别算法研究

在MATLAB环境下,取ORL人脸数据库的部分人脸样本集,基于PCA方法提取人脸特征,形成特征脸空间,然后将每个人脸样本投影到该空间得到一投影系数向量,该投影系数向量在一个低维空间表述了一个人脸样本,这样就得到了训练样本集。同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于最近邻算法进行分类,得到识别率,接下来使用BP神经网络算法进行人脸识别,最后通过基于神经网络算法和最近邻算法进行综合决策,对待识别的人脸进行分类。     

基于特征脸加权组合的人脸识别

将基于主成分分析的特征脸人脸识别方法进行改进,以提高人脸识别率.首先利用主成分分析法提取人脸图像的特征脸,然后经图像重构得到二阶特征脸,最后将两种特征脸组合,构造组合特征,用三阶近邻法进行识别.在ORL人脸数据库上的试验结果表明,组合特征脸法用于人脸识别有较高的可行性和较好的稳定性,且在识别率上优于特征脸方法,准确率达到93.8%.     

基于眼睛特征图的眼睛检测系统的设计与实现

给出一种基于眼睛特征图的眼睛定位方渚。首先通过肤色检测得到人脸区域,然后在限定的人脸区域内建立眼睛色度图,并利用眼睛在人脸区域内的几何分布对眼睛区域进行局部的光线补偿,突出眼睛的色度信息,得到眼睛的二值图像,最终利用灰度投影算法定位眼睛。     

基于Gabor小波的人脸识别系统的实现

给出了一种基于Gabor小波的人脸识别系统的实现.该方法先利用模板匹配法定位人脸图像的眼睛,然后经过标准化使图像具有相同的基准,其余特征点的搜索采用弹性图匹配方法;特征点的粗略位置根据训练集的人脸结构知识定位,然后使用弹性图簇的数据结构求得特征点的精确位置,当各特征点的精确位置定位后,人脸的Gabor Jets就可求得;样本图像的相似程度可用与人脸特征点对应的GaborJets作度量函数表达.     

基于一维经验模式分解与梯度脸的人脸光照处理算法

提出一种基于一维经验模式分解与梯度脸的人脸光照处理算法。首先将人脸图像分别进行水平方向和垂直方向的一维经验模式分解,分解层数为一层,分解完成后将两张图像相加。重构后的人脸图像用梯度脸对其高频成分进行增强。运用主成分分析法对人脸图像进行降维处理,采用基于余弦距离的k近邻进行分类判别。在Yale B正面人脸库中的实验结果表明,选择适当的参数,利用算法能有效减少人脸光照的影响,对不同角度的光照具有很好的鲁棒性。     

基于车辆轮廓对称与车牌定位信息融合的车辆检测方案(英文)

为了有效地定位交通监控图像中的车辆区域,提出了一种基于车辆轮廓对称和车牌定位信息融合的车辆检测方法. 该方法首先检测图像中的车辆轮廓竖直对称轴,然后以车辆轮廓对称轴位置为基准检测车牌水平和竖直对称轴,最后根据车牌横纵对称轴和车辆轮廓图像的水平、竖直投影进行车辆区域定位. 以450 张 15 类车型的图片为测试集进行了基于对称特征融合的车辆区域检测,并与基于车辆边缘、车牌、车辆纹理特征和车辆图像 Gabor 特征的 4 种方法进行了对比,实验结果表明基于车辆轮廓对称与车牌对称特征融合的车辆区域检测方法最优,其检测率和检测时间分别为 90. 7%和 125 ms.