基于OpenCV的人脸检测系统实现

基于计算机视觉类库OpenCV 实现人脸检测系统,采用级联分类器的方法对人脸进行检测。系统对不同图像有较强的适应性,能够比较精确地判断出人脸位置,尤其对有遮挡物人脸的检测效果较好,具有一定应用价值。     

基于AdaBoost的侧面人脸、人耳检测

现今,人脸检测技术的局限性主要存在于侧面人脸检测这方面,本文主要利用人脸人耳的位置关系,用AdaBoost方法进行分别检测,最后人脸检测与人耳检测融合在一起,以提高人脸检测效率。     

几种人脸检测算法的对比研究

本文在对比大量的人脸检测算法的基础上．介绍了几种常用的人脸检测算法,并提出了一种基于人脸肤色模型和人脸结构特征相结合的人脸检测新算法．实验证明该新算法能有效提高人脸检测效率,并得出人脸检测算法的发展趋势是多种特征检测算法相结合。     

基于肤色模型的人脸检测算法

在此研究了彩色图像中的人脸检测算法,在肤色模型方面讨论了肤色在不同的色彩空间中的表现,通过对一定数量的样本建立了一个图像库,选择色彩空间并建立了肤色模型,然后通过形态学等处理后得到候选区域。然后对候选区域使用特征脸的方法进行验证。通过这样的方法在保证了精度的同时克服了特征脸方法原有的搜索速度慢的特点。最后本文对所使用的方法作了一个总结并对下一步的工作进行了展望。     

基于Adaboost的快速人脸检测系统

提出了基于Adaboost的快速人脸检测方法。根据人脸生理学特点,针对PaulViola方法提出了新的Haar-like特征,扩展了图像预处理及扫描方法,设计并实现了快速人脸检测系统。     

基于BP神经网络的人脸检测算法

针对灰度图像的正面人脸,提出了一种基于BP神经网络的人脸检测算法,并在Delphi 7上实现,可有效运用于复杂背景下不同表情、肤色、姿态以及不同光照条件下的人脸检测,算法快速有效。     

基于Matlab和YCrCb颜色分割方法的人脸检测与匹配算法的实现

比较RGB、HSV、YCrCb三种颜色分割方法的优缺点,选择效果最好的YCrCb颜色分割方法对图像进行处理,利用YCrCb颜色分割方法实现人脸图像的粗定位和细定位,可以获得较高的成功率。采用特征脸算法构建样本图像的特征脸,计算其与训练图像特征向量的距离,进而实现人脸图像的识别匹配,用ORL人脸数据库对算法的准确率进行检验,发现算法有较高的鲁棒性。     

基于人脸检测的视频检索技术研究

为了提高视频检索的效率和准确率,本文提出了一种基于人脸检测技术的视频检索方法。该方法通过人脸检测技术将视频每一帧中的人脸与双手检测出来,然后通过建立点线连接来创建人脸与双手的拓扑结构;最后通过拓扑结构的连续变化特点来识别视频中人物的动作特征,从而达到视频检索的目的。实验表明,该方法检索速度较快且识别度较高,有广泛的应用前景。     

一种基于YCgCr色彩空间的人脸检测方法

人脸检测是计算机视觉研究的重要研究方向之一,提出了一种基于新色彩空间YCgCr的人脸检测算法。首先比较了YCgCr间和YCbCr色彩空间,得出YCgCr色彩空间的在人脸处理方面更有优势,然后通过二维高斯分布提取肤色区域,对二值化的图像应用区域增长算法求取最大联通区域,得到准确的面部图像,实验结果表明该算法是快速而有效的。     

基于特征缺失修复的人脸三维运动形变估计算法

人脸由于其非刚性明显,受到运动背景变化、形变程度复杂、特征丢失等因素的影响,使得在进行三维动态人脸形变估计时,面临着估计不准,误差较大的问题。为了解决这些问题,提出一种基于特征缺失修复的人脸三维运动形变估计算法,将非刚体人脸运动的形变估计过程中,运用特征补偿方法,补偿由于噪声、形变程度复杂带来的特征丢失缺陷,运用较多的人脸形变特征进行形变分析,准确计算人脸的形变程度。实验结果表明,这种方法得到的解误差较小,效果明显。     

基于支持向量机和决策融合的人脸检测

针对灰度图像中的人脸检测问题,提出了一种基于多种支持向量机的决策融合检测方法。该方法首先用传统的二类支持向量机(C—SVM)和单类支持向量机(One-Class SVM)分别对图像进行检测,然后决策融合两种分类器的检测结果。在MIT CUM人脸库上的实验结果表明,该方法具有良好的检测效果和较低的虚警率。     

基于ＥＭ ＰＣＡ和级联分类器的人脸检测

为了提高人脸检测的速度及鲁棒性,提出了一种基于级联分类器和期望最大、主成分分析（ＥＭ ＰＣＡ）的人脸检测方法．该方法在训练阶段利用不同分辨率的训练样本来训练２个ｆｉｓｈｅｒ线性分类器,再利用ＥＭ ＰＣＡ提取特征来训练非线性支持向量机（ＳＶＭ）;在检测阶段,首先通过２个ｆｉｓｈｅｒ线性分类器快速过滤掉大量的背景区域,再利用非线性支持向量机对余下的候选区域进行进一步验证,以确认是否为人脸．实验结果证明了该方法的有效性和正确性．     

基于小波变换的人脸边缘特征提取的研究

本文研究了利用二维离散小波变换在边缘检测上的特征。当前人脸检进行测遇到的问题是如何自动地检测人脸的边缘。通过小波变换,将人脸图片分解成相似图片和细节图片,而这些图片都包含边缘信息,将此方法应用在实验中。首先,为比较其检测效率,将二维离散小波变化与其他的人脸边缘检测方法比较：其次,在比较中,测验了多频带的组合方法。通过这些方面的研究,提出了一个基于目标边界响应的新的人脸边缘追踪算法。     

人脸检测技术研究

人脸检测技术已成为图像工程与模式识别领域研究的热点。文章首先简要介绍了人脸模式的特征,并着重分析了几种有代表性的人脸检测方法,然后讨论了国内外的研究概况,最后提出了该领域存在的问题及今后的发展趋势。     

基于稀疏距离入侵特征表达的信息安全检测算法

针对信息安全检测中的检测精度低的问题,提出了基于稀疏距离入侵特征表达的信息安全检测算法。在该算法中,引入稀疏表达对完备词典进行编码,使得学习的稀疏系数可以具有较好的重构特征;其次利用K-SVD算法和支持向量机进行样本分类训练,使得稀疏特征为样本输入;最后利用粒子群算法对多维测试数据进行粒子映射,在满足适应度函数的条件下进行分类迭代寻优。实验表明,该算法具有较好的检测率。     

基于Isomap的人脸图像特征融合识别算法

提出Gabor特征融合+Isomap+SVM算法.利用Gabor滤波器提取图像特征,将相同中心频率不同方向的滤波结果相加,在保证识别率的同时降低了Isomap算法计算的数据量.然后使用Isomap算法对非线性特征信息降维,最后使用支持向量机(SVM)对降维结果分类.通过对ORL数据库实验证明,Gabor特征融合+Isomap+SVM算法与传统算法相比具有更高的识别精度.     

一种改进的基于Ada-Boost的人脸检测算法

提出了一种改进的基于Ada-Boost的人脸检测算法。该算法在第一阶段使用基于Ada-Boost算法的分级分类器检测人脸,由于受到噪声与亮度的影响,一些非人脸区域可能被误判别为人脸。因此在YCbCr空间中采用肤色模型,去除非人脸区域。在第三阶段,采用SVM更精确地提取人脸区域。实验结果表明,改进的算法在实时性与误检率方面都优于Ada-Boost算法。     

基于边缘检测的图像缩放算法

论文提出了一种保持边缘特征的图像缩放算法,算法首先检测图像中物体的边沿,并在传统边沿检测方法的基础上增加“不确定度”这个参数来提高边沿检测的鲁棒性;对边缘区域像素的插值沿边缘方向进行,对非边缘区域的像素的插值用三次卷积的方法生成。该算法能有效消除传统插值算法在物体边缘部分出现的锯齿,提高了缩放后图像的视觉质量。仿真结果表明,对人造图像和自然图像,本算法均能保持良好的边缘特征,取得较理想的图像缩放效果。