基于改进视网膜抽样模型的人脸检测混合方法

提出了一个在复杂背景下检测灰度人脸图像的混合方法，它用基于多分辩率的二值马赛克图像和投影分析方法来检测双眼，以加快从背景中分离人脸的速度；用改进的视网膜抽样模型抽取最能代表人脸特性的低维数据；降维后的输入图像用学习矢量量化网络训练特征。实验表明，本方法有近90%的检测成功率，速度较快，对部分遮挡的人脸定位也适用。     

实时视频图像中的人脸检测与跟踪

视频图像目标检测与跟踪是远程协作系统中感兴趣的研究课题之一。文中提出了一种协同系统中视频序列图像人脸检测及实时跟踪的方法。该方法根据用户选定的目标(如人脸)的颜色分布特点，用多幅训练样本图像建立人脸肤色模型，然后根据该模型和人脸特征对待检测的彩色图像进行分割与匹配，从而确定候选区域是否人脸。在视频图像跟踪中用此方法可实现人脸的实时检测跟踪，为了提高跟踪速度，提出了改进的基于运动预测的快速跟踪法。该方法充分利用运动连续性规律，能较好地处理多干扰目标同时出现的情形。实验表明所提出的方法执行效率高，检测跟踪正确率高．对有旋转的非正面人脸图像也有较好的适应性。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

基于多级跳跃残差组的运动人像去模糊网络

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题，提出了基于多级跳跃残差组生成对抗网络（GAN）的运动人像去模糊方法。首先，改进残差块以构造多级跳跃残差组模块，并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征；其次，使用多损失融合的方法优化网络，从而增强重建后图像的真实纹理；最后，采用端到端的模式将运动模糊的人像图像进行盲去模糊操作，并输出清晰的人像图像。在CelebA数据集上的实验结果表明，相较于DeblurGAN(DeblurGAN)、尺度循环网络（SRN）和MSRAN(Multi-ScaleRecurrentAttention Network)等基于卷积神经网络（CNN）的方法，所提方法的峰值信噪比（PSNR）和结构相似度（SSIM）分别至少提高了0.46 dB和0.05；同时，所提方法的模型参数更少，修复速度更快，且复原后的人像图像具有更多的纹理细节。     

基于模型剪枝的轻量化人像抠图研究

近年来，人像抠图在计算机视觉领域取得了许多进展。作为底层视觉任务，人像抠图具有较高计算量，导致模型难以部署在计算资源有限的设备上。针对该问题，文章提出自适应和固定比例相结合的剪枝方法，对人像抠图网络MODNet进行压缩。实验表明，该方法可以基本保持模型精度，将MODNet参数量和计算量分别降低了79.22%和76.09%，在中央处理器（Central Processing Unit,CPU）和NSC2上的推理速度分别提高了93%和65%。     

基于改进Snake模型的图像分割方法

Snake（主动轮廓线）模型即能量最小化运动曲线模型，最初由Kass在1987年提出，具有良好的获取特定区域内目标边缘的能力，是一种极为有效的图像分割方法。针对传统Snake模型对初始轮廓的依赖性问题，利用围绕目标形心的圆环间平均灰度差异来确定初始轮廓点，对噪声的干扰有一定的抑制作用，并减少了人工选取的工作量。通过离散Snake算法与分段DP算法的有效结合来获取图像的特征边缘点，以提高Snake算法的收敛速度。最后利用单调性原则对边缘点进行分区，在各个单调区间内采用曲线拟合的方法来获得连续的图像边缘。实验结果表明，基于改进Snake模型的图像分割方法可以从图像中提取连续、封闭的边缘曲线，能够较好的将目标从图像中提取出来。     

基于统计模型和GVF-Snake的彩色目标检测与跟踪

为了能使传统监视系统具备目标自动检测与跟踪能力,提出了一种基于统计模型和GVF（gradient vectorflow）-Snake的彩色目标检测与跟踪算法.该算法可用于解决在静态背景下通过彩色视频信息来对运动目标进行自动检测与跟踪的问题,同时可直接给出目标轮廓的数学表示,并可简化后续目标识别算法的设计.该算法首先采用归一化RGB空间与灰度空间相结合的模型取代单一灰度模型来消除阴影对目标检测的影响;接着在此模型的基础上对差分图像进行GMM（Gaussian mixture model）建模,并构造运动边界图像,然后将静态图像轮廓提取算法GVF-Snake引入运动图像中,并通过修改能量项,使其能够跟踪运动目标的轮廓,最后针对Snake初始轮廓需要手工设定的问题,提出一种根据目标区域自动初始化轮廓的方法,为加快GVF-Snake的收敛速度,还采用一阶差分算法来预测下一时刻目标轮廓的位置.实验结果证明,该算法对刚性和非刚性两类目标都有较好的跟踪效果,可应用于智能监视和交通监控等领域.     

基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中，部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法，图像表面纹理特征是利用Markov随机场模型来描述的，通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明，该方法可以有效地描述不同种物质表面的纹理特征，并能准确地检测和定位缺陷。     

基于图像分块的背景模型构建方法

提出了一种基于图像分块的背景模型构建方法，目的是为了减少像素形式的背景模型所带来的计算冗余，提高系统的运行速度．文中回顾了目前主要的背景提取方法，给出了图像分块的方式以及几种常用的图像块特征，并且利用图像块的特征来构建自适应的高斯混合模型．通过一组视频将该方法与传统的像素形式的背景模型进行了实验对比；结果表明，该方法在保持相同的目标检测率的情况下，大大提高了系统的运行效率．     

航空序列图像的特征模型提取及追踪

针对航空序列图像中模型没有任何先验知识且图像中的景物在不断刷新的情况，首先将图像分割成独立的区域，利用改进的Canny算子提取分割区域所包含的边缘，同时提出了区域特征比较因子，在此基础上给出了有效的特征模型提取和追踪方法，并分析了如何通过特征模型在航空序列图像中的移动来估计无人飞行器的飞行轨迹。通过对实际拍摄到的航空序列图像进行分析，表明本文的方法是有效的，对由航空序列图像的分析来估计无人飞行器的飞行轨迹提供了良好的基础。     

基于颜色和特征匹配的视频图像人脸检测实现技术

A face detection method using statistical skin-color model and facial feature matching is presented in this paper.According to skin-color distribution in YUV color space,we develope a statistical skin-color model through interactive sample training and learning.Using this method we convert the color image to binary image and then segment face-candidate regions in the video images.In order to improve the quality of binary image and remove unwanted noises,filtering and mathematical morphology are empolied.After these two processing,we use facial feature matching for further detection.The presence or absence of a face in each region is verified by means of mouth detector based on a template matching method.The experimental results show the proposed method has the features of high speed and high efficiency,but also robust to face variation to some extent.So it is suitable to be applied to real-time face detection and tracking in video sequences.     

人脸检测及分割方法研究

人脸检测和分割是进行人脸分析和识别的重要组成部分,其目的是从复杂背景图像中检测出人脸的位置,并把人脸分割出来。虽然人们可以毫不困难地在复杂背景中检测和识别出人脸,但是要建立一套完全自动化的人脸和识别系统却是非常困难的。近年来随着计算机技术和图像处理方法的不断发展,出现了各种不同的人脸检测方法。应用了一种基于YIQ颜色模型的人脸检测方法,并且利用惯量最小化原理进行人脸图像的姿态调整,然后进行分割提取。试验结果表明,该方法能较好地从复杂背景中检测出人脸区域并能较完整地分割出人脸。     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究;使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率;为此,提出一种基于数字图像处理技术的人脸检测算法;该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测;实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

基于AdaBoost算法的人脸检测在嵌入式系统中的实现

为解决人脸检测实时性问题,针对AdaBoost算法纯软件实现的瓶颈,提出基于FPGA平台的硬件加速策略,采用流水线处理技术实现积分图像的快速计算。实验使用PowerPC405处理器VirtexTM-Ⅱ Pro平台FPGA,在输入图像大小为352×288像素的条件下,检测速度达到每秒50帧,检测率为98%,误检率约1%,实现了实时人脸检测的要求。     

基于肤色、知识和2DPCA的人脸检测

为了提高人脸检测速度及鲁棒性,该文提出了一种基于肤色、知识和2DPCA相结合的人脸检测算法。通过对人们实际中绘画人脸模型以及肤色在H-S空间分布的分析,扩充了原有的粗检测规则,建立肤色分割模型;为了进一步加快检测的速度,该方法采用了先利用肤色分割和知识粗检测,后利用2DPCA的多级检测步骤,且在粗检测中采用了几何广义投影法,从而明显地提高了检测速度,同时利用最大类间方差法实现了阈值的自适应选择。实验结果表明了该算法的有效性和正确性。     

一种基于知识的快速人脸检测方法

为了提高人脸检测的速度，提出了一种基于知识的快速人脸检测方法，该方法是采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析了足够多的人脸图象样本的基础上，针对人脸图象的灰度和边缘信息，建立了一种较为完备的知识库；为加快检测速度，该方法采用多级检测步骤，即在粗检测中，根据眼睛的特征，提出并采用一种新的人脸粗检测算法-广义几何投影方法，从而明显地提高了检测速度，实验结果表明，该方法具有较强的鲁棒性，能够很好地解决复杂背景下的多人脸检测问题，由于该方法实现的简单性，并容易由硬件实现，使得检测速度进一步提高，因此该方法在可视电话等领域有着广阔的应用前景。     

基于曲线波隐马尔可夫模型的人脸检测

提出了一种基于曲线波隐马尔可夫模型的混合人脸检测算法.曲线波变换是一种多尺度几何变换,具有很好的方向性,能用极少的非零系数精确表示图像的边缘,是一种最稀疏的表示方法.根据隐马尔可夫模型对人脸拓扑结构的约束,采用3状态的隐马尔可夫模型进行从粗到细的人脸检测.实验结果表明,这种算法具有较好的检测速度与正确率及鲁棒性.     

一种基于肤色模型和模板匹配的人脸检测算法

近年来,随着人机识别技术的日益发展,人脸检测问题越来越受到重视,而人脸检测技术的关键在于准确率和检测速度.为了有效提高人脸检测的效率,提出了一种基于肤色分割和模板匹配算法的人脸检测方法.首先,建立颜色模型,利用颜色信息对图像进行粗检测,得到粗检测结果,然后,采用模板匹配技术确定人脸.该算法克服了单用模板匹配法的时间延迟,提高了检测精度和速度.     

基于图像扩散速度模型和纹理信息的人脸活体检测

为了解决人脸身份认证中的欺诈问题,提出了一种基于图像扩散速度模型和纹理信息的人脸活体检测算法。真实人脸和虚假人脸图像的空间结构不同,为了提取这种差异特征,该方法使用各向异性扩散增强图像的边缘信息。然后,将原始图像与扩散后图像的差值作为图像的扩散速度,并构建扩散速度模型。接着使用局部二值算法提取图像扩散速度特征并训练分类器。真实人脸图像和虚假人脸图像之间存在很多差异特征,为了进一步提高人脸活体检测算法的泛化能力,该方法同时提取人脸图像的模糊程度特征和色彩纹理特征,通过特征矩阵级联的方法将两种特征进行融合,并训练另一个分类器。最后根据分类器输出概率加权融合的结果做出判决。实验结果表明,该算法能够快速有效地检测出虚假的人脸图像。     

基于Adaboost算法的硬件实时人脸检测

实现一个硬件人脸检测系统,该系统工作频率为70 MHz,能够检测一幅256×256的图像中任意位置、任意大小和任意数目的人脸,检测速度为每秒35帧。系统的检测精度为85%,误检率为1.5×10-6。为实现高速人脸检测,在硬件系统架构上做出如下3点创新：实现积分图像和积分平方图像的硬件实时计算,弱分类器特征值计算的深流水线实现,采用并行多内存组织结构。