基于肤色模型和重心模板的人脸检测

为了获得具有较高检测率并保持较低误检率的快速人脸检测,提出了一种基于知识的人脸检测方法．在人脸粗检中用肤色模型分割出输入图像中的人脸可能区域,并对这些区域进行重心模板匹配过滤出非人脸区域．利用人脸的生理分布特征设计出一种动态的人脸三分图分布模型,并以不同条件下的大量人脸图像样本作为统计数据建立了一个人脸规则知识库,用来判定过滤后的区域是否为人脸．实验结果表明,该方法具有很好的鲁棒性,能快速检测出不同光照、不同大小和有一定旋转角度的人脸．     

基于多目标线性规划的人脸识别方法

将多目标线性规划（MCLP）模型用于人脸识别,提出了基于竞争二叉树策略的多目标线性规划人脸分类算法,并利用Cambridge ORL人脸数据库进行了验证实验;对基于MCLP的识别实验结果与基于SVM的识别实验结果进行了对比．实验结果表明,本方法具有较高的识别准确率和稳定性．     

MFC下利用OpenCV进行人脸检测的研究与实现

为了实现对人脸检测的目的,本文采用基于MFC框架下使用OpenCV视觉库的方法．文章重点分析了一种人脸检测中使用的特征分类算法：Adaboost算法．文中阐述了该算法的原理,图文并茂地展示了如何在实际中利用人脸库结合Adaboost算法来训练分类器,并生成XML文件．在VC6．0下,搭建了人脸检测的界面,利用OpenCV的函数调用训练所生成的XML文件,实现了在本地选择图片并对其进行人脸检测的功能．此外,系统还支持读取本地AVI格式视频和从摄像头捕捉到的视频,可手动截取一帧图片进行人脸检测．实验结果表明该设计方案具有较高的准确性和稳定性,基本达到预期的效果．     

基于三维形变模型的多姿态人脸识别

针对多姿态人脸识别问题,提出了一种三维形变模型和部件技术相结合的人脸识别方法．该方法提取人脸三维部件作为识别特征,在一定程度上克服了人脸姿态变化对识别的影响．在识别过程中结合人脸的局部特征和全局特征,根据单个部件的识别率确定其在整体分类中的权值,基于整脸信息进行识别,进一步改善了识别效果．实验结果证明,该方法在训练库中只有1张正面照片时,对多姿态人脸识别具有很好的识别效果．     

三维人脸的非均匀重采样对齐算法

为了用尽量少的网格点和面片数表示对齐后的三维人脸,基于分片的网格重采样思想,通过分析每片的曲率高低自动确定各片的网格稠密度,得到非均匀的网格结构,实现了不同三维人脸数据间点到点的一一对齐．实验结果表明:与以往的对齐算法相比,此方法不仅可以大大减少表示人脸的网格点数目,还可以较好地保持人脸的形状和外观特征;使用非均匀重采样做对齐后的三维人脸库建立的人脸模型进行人脸重建,比使用均匀重采样得到的人脸模型在重建速度上有了很大提高．     

实时人脸视频的色彩转换

针对视频捕捉时的人脸图像显示色彩感观差的问题，论述了图像间色彩转换的改进方法，并对人脸视频图像进行脸部和头发区域的分割，用改进后的色彩转换方法来改善实时视频的肤色和头发色彩，编写了VC环境下的算法实现程序，进行了大量的实验，实验结果表明此方法能实时转换人脸视频中每一帧的色彩，弥补了原视频显示方法的不足．     

独立分量分析在MPEG-4人脸动画中的应用

为进一步提高MPEG-4人脸动画的真实感,引入了独立分量分析,将其应用在MPEG-4模型基编码的人脸动画参数分析方面．通过对获取到的人脸动画参数训练数据应用独立分量分析,获得了一般人脸动画模式,调整独立分量分析空间参数可以生成特定人的任意表情．实验结果表明:基于独立分量分析空间的MPEG-4 人脸动画具有较强的真实感和鲁棒性．     

一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色和模板匹配的人脸检测方法，该方法首先对搜集到的人脸肤色样本在YCbCr空间中进行聚类，然后根据聚类的范围在输入的图像中确定候选的人脸区域（假设存在）的位置，接着对该候选人脸区域进行归一化处理，再计算人脸模板和该候选区域的Hausdorff距离，根据该距离大小最终确定该候选区域是否为人脸．实验表明：该算法检测准确率高，具有良好的实时性和鲁棒性．     

聚类与跟踪相结合的人脸数据集生成方法研究

为提高人脸数据集生成的准确率和效率,提出了一种将人脸跟踪与人脸聚类相结合的人脸数据集生成方法.首先,对KCF算法进行改进,并将改进的KCF算法用于人脸跟踪,得到不同时间片段的人脸图像集; 其次,从每个人脸图像集中通过人脸图像优选算法选出高质量的人脸图像; 再次,将优选出来的人脸图像进行人脸聚类,以完成视频中每个人的人脸数据集的生成; 最后,通过实验对比基于人脸跟踪、基于人脸聚类和基于本文方法的人脸数据集生成效果.实验结果表明,本文方法与基于人脸跟踪的人脸数据集生成方法相比,纯度提升约15%; 与基于人脸聚类的人脸数据集生成方法相比,效率提升约50%.     

基于多群体遗传算法的人脸表情识别

人脸表情识别是目前比较活跃的研究课题。该文提出一种采用多群体遗传算法进化的支持向量机对人脸表情进行分类的新型算法。先提取人脸表情特征,然后采用多群体遗传算法自动选择最优的支持向量机核函数,最后用支持向量机的方法进行分类．在日本JAFFE人脸表情库上进行了仿真实验,并与其他方法进行了比较,该文提出的方法获得了更好的识别效果。