一种高效的人脸马赛克方法

针对现有人脸检测方法速度缓慢的问题,在详细介绍结合类Haar特征和级联AdaBoost人脸检测算法原理及训练流程的基础上,提出一种改进的人脸检测算法。该算法可以动态调整Haar检测函数的阈值和选取扩展的Haar特征,并运用OpenCV中图像处理的基本算法实现较高准确度和较快速度的人脸检测,可高效用于马赛克处理。实验结果表明,该算法人脸检测率达到95.41%,处理图片时间约2.4ms/frame,计算复杂度低,且稳定性较好,可广泛用于人脸检测中。     

基于卷积神经网络的人脸检测算法研究

近年来,随着深度学习的迅猛发展,人脸检测算法准确度已有很大提升。模型越复杂,检测速度越慢,设计一种准确度与速度兼顾的人脸检测模型尤为必要。基于FaceBoxes人脸检测算法框架,提出一种基于深层卷积主干网络的改进方法,并在人脸检测基准数据集中进行测试实验。其在FDDB数据集上的实验结果显示,检测正确率达95%,比传统方法提高1.67%。该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。     

复杂背景下一种新的肤色检测方法

通过对复杂背景下的人脸图片进行自适应光照补偿,建立高斯肤色模型,并利用改进的Otsu算法进行人脸肤色检测.实验证明,该方法效率高,对背景、尺寸、旋转角度等细节具有很好的适应性,在人脸实时检测中具有很好的应用价值.     

基于几何形状的AdaBoost人脸检测算法研究

介绍了AdaBoost人脸检测算法以及人脸符合的几何规则。考虑到使用AdaBoost人脸检测算法存在计算量比较大的问题,因此文中提出基于几何形状的AdaBoost人脸检测算法,改进了人脸检测分类器训练方法,降低了误检率,提高了人脸检测的计算速度。     

基于内容的索引图片自动生成算法研究

基于内容的索引图片根据原图片的感兴趣区域对原图进行索引,有效地解决了现有索引图片由于直接缩放而造成的模糊不可辨别以及失真变形等问题。采用基于内容的索引图片能大大提高检索和浏览图片信息的质量和效率。本文研究的基于内容的索引图片自动生成算法,主要是以人脸区域作为感兴趣区域,首先采用基于肤色信息和几何信息的人脸检测算法,定位出感兴趣区域;然后按比例裁剪出已检测出的人脸区域,并使用插值缩放生成基于内容的索引图片。     

基于单幅图像的人脸三维建模研究

由于人脸三维模型在三维动画、计算机游戏、视频会议、医学手术以及生物教学等许多领域都有着广泛的应用价值,使得越来越多的研究人员开始思考获取人脸三维模型的有效途径。文中先采用AdaBoost算法进行人脸检测,判断输入图像中是否含有人脸;接着,采用ASM模型对含有人脸的图像进行特征点提取;最后依据从图像中提取的特征点等信息对初始模型进行调整,实现了一种基于单幅图像的建模方法。     

基于肤色与 Haar-like 扩展集的驾驶员人脸检测算法

针对疲劳驾驶预警系统中人脸检测准确率低、误检率高的问题,提出一种基于肤色与 Haar-like 扩展集的驾驶员人脸检测算法。首先根据驾驶员人脸肤色在 YCbCr色彩空间的聚类性、脸部特征及驾驶环境,筛选人脸肤色作为候选区|然后在传统基于 Haar-like 特征的 AdaBoost 算法中,加入两组新的符合人脸特征分布的Haar-like 特征进行驾驶员人脸检测。以 MIT 人脸库和拍摄的驾驶员人脸图像作为训练与检测样本,与传统AdaBoost算法进行对比实验。结果表明,该算法对正面人脸和侧面人脸（倾斜角度小于 45°）检测准确率分别提高 1.25%和 5.00%,误检率降低 2.81%和 4.50%,人脸检测准确率得到较大提高。     

基于人脸检测的摄像机自动跟踪算法研究与实现

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术.用摄像机采集人脸图像,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部一系列相关技术处理,包括人脸图像采集、人脸定位、人脸识别,达到识别不同人身份的目的.在该项目实现过程中,本文首先调用了OPENCV自带关于人脸识别的函数facedetect 来进行初步人脸识别得到的初步效果,用肤色做出了静态人脸识别,在图片上显示了人脸,并用椭圆形框对其识别.     

基于人脸图片边缘信息的眼镜检测

人脸戴眼镜的识别是人脸识别领域的一个部分,对其进行研究有着重要意义。在人脸检测的基础上,针对没有眼镜的鼻梁区域轮廓干扰信号相对少的特点,通过准确的鼻梁区域定位和提取,利用拉普拉斯算子对边缘轮廓信息比较敏感,而且对周围的像素灰度差值不受影响的特点,对图片中人脸是否戴眼镜进行有效的检测和识别。实验结果表明,该算法具有识别效果佳、实时性好、检测速度快等优点,能够快速检测出人脸图片中的人脸是否戴有眼镜。     

基于Adaboost的人脸光照补偿方法

针对传统Adaboost人脸检测算法中光照不均匀、图像检测正确率低的问题,提出一种基于Adaboost算法的人脸光照补偿检测方法。介绍Adaboost人脸检测算法的处理流程以及直方图均衡化原理,并将Adaboost算法和直方图均衡化相结合,实现人脸检测。检测结果表明,与传统的Adaboost人脸检测方法相比,新方法对于光照不均匀图像的人脸检测有很好的效果。     

基于DSP的人脸识别系统的设计与实现

为了提高身份识别系统的实时性、可靠性和便捷性,设计了基于DSP的人脸识别系统。基于肤色的人脸检测算法和基于小波变换的主成分分析的人脸识别算法构成了所设计系统的软件算法;DSP(DM642)微处理器、CCD传感器摄像头和显示屏等构成了该系统的硬件平台。测试结果表明,设计的人脸识别系统具有识别速度快和成功率高等优点。     

Robust video foreground segmentation and face recognition

Face recognition provides a natural visual interface for human computer interaction (HCI) applications. The process of face recognition, however, is inhibited by variations in the appearance of face images caused by changes in lighting, expression, viewpoint, aging and introduction of occlusion. Although various algorithms have been presented for face recognition, face recognition is still a very challenging topic. A novel approach of real time face recognition for HCI is proposed in the paper. In view of the limits of the popular approaches to foreground segmentation, wavelet multi-scale transform based background subtraction is developed to extract foreground objects. The optimal selection of the threshold is automatically determined, which does not require any complex supervised training or manual experimental calibration. A robust real time face recognition algorithm is presented, which combines the projection matrixes without iteration and kernel Fisher discriminant analysis (KFDA) to overcome some difficulties existing in the real face recognition. Superior performance of the proposed algorithm is demonstrated by comparing with other algorithms through experiments. The proposed algorithm can also be applied to the video image sequences of natural HCI. Project supported by the National Natural Science Foundation of China (Grant No.60872117), and the Leading Academic Discipline Project of Shanghai Municipal Education Commission (Grant No.J50104)     

具有网络一致结构的三维人脸模型重建研究

针对传统方法及机器学习方法对大量三维人脸数据、训练样本数量与质量依赖性大的问题,采用基于光照立体的方法,利用人脸图像重建三维人脸。综合利用基于法线的模型变形法和非刚性变形法,提出一种基于法线的非刚性变形算法。利用SFS算法计算顶点法线,然后使用法线和局部刚性约束使参考模型变形,进而得到与参考模型具有一致网络结构的三维人脸模型,从而得到三维人脸图像。该方法与传统方法相比,节省了大量样本要求,并且立体效果更好。     

基于Halcon的光纤端面尺寸检测方法

针对传统光纤端面尺寸检测几何尺寸误差大、效率低的弊端,采用一种基于Halcon的光纤端面尺寸检测方法,利用数字图像处理算法,采用中值滤波的方法对图像进行预处理,消除图像噪声,并对图像进行二值化及形态学处理,选用Canny算子作为边缘检测算子确定像素级边缘,该方法边缘检测性能较好,且具有较强的抗噪声能力|再从选取的边缘中选出类圆度高的部分边缘进行共圆轮廓合并、拟合,通过拟合的椭圆和圆得到光纤半径、不圆度、同心度等几何参数。实验结果表明,纤芯和包层半径可以精确到万分之一,不圆度和同心度可以精确到小数点后8位,测量精度较高且不受操作水平影响。     

人脸识别中的PSVM方法

最临近支持向量机Proximal SVM(PSVM)是一种有效的、简单的和快速的近似支持向量机方法,识别效果和标准支持向量机相当,相比之下有较少处理时间．虽然有此优点,它的有效性仅仅是针对维数不高、大样本的数据集,而对于上千维甚至上万维的、小样本的人脸数据库情况没有人给出实验结果．文章把PSVM稍做改变,对四个公开的人脸库进行分类．同时采用几种典型的泛化线性鉴别分析(GLDA)方法,对人脸图像预处理．从识别率和所用的处理时间两方面以及用最近邻及最近特征线分类器进行对比,得出具有较好识别效果和处理时间的方法．     

A color based face detection system using multiple templates

A color based system using multiple templates was developed and implemented for detecting human faces in color images. The algorithm consists of three image processing steps. The first step is human skin color statistics. Then it separates skin regions from non-skin regions. After that, it locates the frontal human face(s) within the skin regions. In the first step, 250 skin samples from persons of different ethnicities are used to determine the color distribution of human skin in chromatic color space in order to get a chroma chart showing likelihoods of skin colors. This chroma chart is used to generate, from the original color image, a gray scale image whose gray value at a pixel shows its likelihood of representing the skin. The algorithm uses an adaptive thresholding process to achieve the optimal threshold value for dividing the gray scale image into separate skin regions from non skin regions. Finally, multiple face templates matching is used to determine if a given skin region represents a frontal human face or not. Test of the system with more than 400 color images showed that the resulting detection rate was 83%, which is better than most color-based face detection systems. The average speed for face detection is 0.8 second/image (400×300 pixels) on a Pentium 3 (800 MHz) PC. Project (No. 60203013) supported by National Natural Science Foundation of China     

改进的线性判别回归分类人脸识别算法

对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。