基于动态轮廓的彩色多人脸检测

提出了一种复杂背景下的人脸轮廓提取算法,算法包括以下步骤:先基于肤色分割图像,确定肤色区域的边缘;然后,利用人脸模板投影去除不可能是人脸的区域;再用Snake算法获取平滑轮廓;再用惯量矩得到拟合椭圆;最后利用简单的人脸模板对人脸区域进行确认.其算法的主要目的是解决人脸轮廓边缘点的不连续性问题,提取精确的人脸轮廓用于人脸分割和人脸识别,在一定程度上去除了部分遮挡造成的假轮廓边缘点,实验结果证明了算法的有效性.     

创新的高效方向性菱形-弧形快速块匹配运动估计算法

针对传统运动估计算法的缺点,本文提出了一种采用弧形、小十字、大菱形模板进行快速块匹配运动估计的新算法.该算法(NOADS)充分利用序列图像中运动矢量场中心偏置分布特性,使用小十字模板,进一步搜索根据情况自适应调整扩展为水平菱形或是垂直菱形模板,处理中心区域小运动矢量和静止运动矢量的搜索.使用大菱形-弧形模板处理大运动矢量的搜索.实验结果表明NOADS有效减少了搜索点数,提高了搜索速度,能同时适应于小运动块和大运动块的搜索,速度上比DS提高约20%,比3SS提高30% ～60%.     

一种多人脸跟踪算法的研究与实现

结合人脸的运动模型提出了一种多人脸的跟踪算法,通过使用跟踪稳定系数来解决多人脸跟踪过程中目标发生粘连重叠或者由于目标检测质量的原因造成跟踪目标丢失等各种问题;同时目标跟踪器提供一个预测搜索区域指导下一帧的定位,从而进一步提高定位的速度.实验结果表明此算法具有很好的准确性和实时性.     

一种有效的三步运动估计算法

为了减小运动估计算法的计算复杂度和提高红外图像超分辨率重建的可靠性,提出了一种有效的三步搜索算法.该算法采用多步搜索策略,根据运动矢量分布的中心偏移性及并行处理的思想,在最佳匹配点所在的区域使用菱形小模板代替新三步法中的正方形小模板来进行精细搜索,以提高算法的搜索精度.实验结果表明,与全搜索法、菱形搜索算法和预测性菱形搜索算法相比,该算法能在保证搜索精度的同时大大缩短消耗时间.     

数学形态学与幻想脸重建

提出了基于数学形态学的幻想脸重建算法,设计了表达图像特征的张量结构,介绍了幻想脸的重建步骤.算法首先将待重建图像的整体特征按区域分块形成特征模板,然后用这些特征模板在低频特征集中搜索特征距离最小的邻域,最后把该邻域对应的高频信息通过最优化的线性组合分块实现人脸图像的超分辨率重建.实验结果表明,该算法获得的图像视觉效果明显改善,峰值信噪比(PSNR)高于其它算法2.6 dB以上.     

基于多模板匹配的自动人脸检测

本文提出了正面人脸检测的一种新算法.不同于以往将人脸看作高维空间中的单一聚类的方法,本文提出,人脸在高维空间中以多聚类形式存在.并采用最优聚类的方法将人脸分为四个聚类.以每个聚类的中心为一个模板,通过基于马氏距离(Mahalanobis distance)的多模板匹配法,检测出图像中的人脸.实验结果表明,该方法优于基于单一聚类的方法.     

基于Haarlike的人脸民族特征分析

文中利用Haarlike模板来对不同族群的人脸进行特征提取.利用Haarlike模板生成算法筛选出用于分析人脸特征的Haarlike模板,对构建的人脸数据库进行特征提取,利用C5.0、C&R Tree、BP NN和SVM对训练样本进行学习,并对测试集进行分类和预测,其对维族、藏族、壮族的识别精度分别为80%、74%、88%.为人脸的民族特征识别提供了一种高效快速的方法.     

基于深度学习算法的人脸识别管理系统

针对学生管理中人脸认证智能安防的需求,文中首先基于深度学习理论对人脸识别的相关算法进行了研究,在卷积神经网络的基础上,以提高人脸识别的准确率为目的,重新设计了包含11个卷积层和4个池化层的网络结构。网络使用标准人脸数据集CASIA-WebFace进行训练,在LTW库上的人脸识别准确率可以达到97. 8%以上。基于该深度学习网络,设计人脸识别管理系统,系统实现了1∶1的人脸认证和1∶N的人脸识别。由于深度学习算法的引入,人脸搜索系统的搜索时间小于0. 7s,大幅提高人脸识别技术的效率和实用性。     

家电控制系统的语音关键词识别算法研究

介绍了一种适用于家电控制系统的语音关键词识别算法.算法包括对关键词的搜索与确认两部分.通过对关键词和非关键词分别建立模型,建立起一个并行识别网络.使用帧同步的Viterbi算法在网络上搜索关键词.为使关键词的识别结果精确,在对支持向量机(SVM)的原理进行简要分析后,提出将SVM作为分类器对基于HMM的最大似然搜索结果进行关键词确认.实验结果显示,联合采用HMM和SVM的关键词语音识别混合算法具有较高的性能.     

模型基编码中脸部模型的自动调整

通用模型的调整是模型基人脸图像编码的重要步骤,本文提出了一种利用改进的变形模板提取脸部完整特征、由径向基函数内插调整模型非特征点的正面脸部模型自动调整算法.首先用矩形模板匹配确定各特征区域,模板尺寸由先验知识设计;在各特征区域内确定变形模板的初始位置和变化范围,采用遗传算法等匹配方式,获取变形模板的最优参数值;最后估计输入人脸姿态,进行模型的全局变换和用径向基函数内插调整模型非特征点,得到输入人脸的特定模型.实验结果表明,对于输入为简单背景的肩头像,该算法简便快速,可获得较好的调整效果.     

视频监控系统中基于PCA算法的人脸识别

PCA算法提供了一个高维和低维间的线性变换矩阵,这个变换矩阵可以通过求取协方差矩阵的特征向量获得。特征值较大的特征向量反映人脸最大差异性;根据脸部固定结构特点构造人脸平均模板,利用模板匹配来检测图像中的人脸,计算待测图像与特征空间的距离进一步判别是否是数据库中人脸。实验表明,PCA算法在视频监控系统的人脸识别中可以很好地实现人脸特征提取和检测。     

基于视频的人脸验证

本文提出了一种基于视频的人脸验证方法.采用立体视觉方法初步将人脸区域与背景分割开,再根据多关联模板匹配方法精确定位人脸.对定位后的人脸区域抽取特征器官位置,再依此裁剪出人脸样本.从视频流中收集人脸样本,训练支持向量机(SVM)作为验证器.实验表明该方法在复杂的现场环境下是有效的、鲁棒的.     

基于肤色模型的人脸检测研究

现有的人脸检测方法,对复杂光照环境下获得的彩色人脸图像的检测效果仍不太理想。在仔细研究目前人脸检测方法的基础上,对基于肤色分割结合模板匹配的人脸检测方法进行改进,提出基于“光照预处理＋肤色模型＋模板匹配”的人脸检测问题解决思路。实验结果表明,该方法对实际场景中正面和准正面的人脸图像,平均准检率达到84％,同时对光照变化不敏感,而且对姿态和表情的变化也具有较好的鲁棒性。     

基于下颌轮廓线的人脸分类方法

在人脸正面图像中,下颌轮廓线是一种相对稳定的形状特征,但是如何提取和有效利用这个特征是一个难题。提出一种在识别中有效利用下颌轮廓特征进行人脸分类的方法。根据先验知识将人脸分为圆脸、尖脸和方脸,据此建立下颌形状模板：尖下巴、圆下巴和平下巴。对事先得到的下颌轮廓上的点进行模板匹配,根据匹配结果进行轮廓线分类。该算法采用了基于先验分布和局部判别的方法,先得到可能的轮廓点,然后进行滤波去除伪下颌点,得到真正位于下颌轮廓上的点,再通过模板匹配进行分类。试验表明,该方法分类效果良好,可以有效提高大库人脸识别的速度和识别率。     

Textural feature based face recognition for single training images

A novel face recognition algorithm using single training face image is proposed. The algorithm is based on textural features extracted using the 2D log Gabor wavelet. These features are encoded into a binary pattern to form a face template which is used for matching. Experimental results show that on the colour FERET database the accuracy of the proposed algorithm is higher than the local feature analysis (LFA) and correlation filter (CF) based face recognition algorithms even when the number of training images is reduced to one. In comparison with recent single training image based face recognition algorithms, the proposed 2D log Gabor wavelet based algorithm shows an improvement of more than 3% in accuracy.     

基于音视频模板匹配的新闻视频识别方法

本文提出了一种基于音视模板匹配的新闻视频识别方法。在模板建立过程中,从新闻视频片头中的主题音乐提取音频模板,从主持人镜头中的扩展人脸区域提取视觉模板,这两者共同构成音视模板;在识别过程中,对电视视频流先进行音频模板匹配,然后由匹配通过的候选时间点定位到相应的视频镜头,接着通过视觉模板对镜头中的扩展人脸区域进行匹配,进而确定主持人镜头,最后完成新闻视频识别。实验结果表明,该方法计算效率高、简单易操作,具有较好的实用价值。     

Feature points matching for face reconstruction based on the window unique property of pseudo-random coded image

Structured light vision systems have been successfully used for accurate measurement of the 3D surfaces of an object, in which a pseudo-random coded structured light image pattern is projected onto the target object through a projector, and the coded information image produced by its surface is captured by a CCD camera in order to recover its 3D surfaces. In this kind of computer vision technology, 3D face reconstruction is a hot research topic. This paper presents a method for feature points matching used in 3D reconstruction. In this method, the feature points can be identified exclusively taking advantage of the window unique property of a pseudo-random array. Thus, the matching problem can be solved by finding the correspondence between 2D coordinates of feature points in the pixel image and those in the code of the projected template. Then, the 3D reconstruction can be carried out with only a single image with the benefit of easy operation and simple calculation. An experiment for 3D face reconstruction with simulated data is given. The performances show that this method has high matching precision for object matching of feature points.     

基于旋转散斑结构光投影的三维人脸采集

设计由两个红外相机和一个紧凑散斑结构光投射器构成的三维人脸采集系统,可根据采集精度和运算效率的折衷配置采集散斑图像。散斑模板固定在垂直于投射器光轴的齿轮上,使用齿轮机构驱动散斑模板作旋转运动,使用波长为735nm的LED照亮散斑,在测量空间中形成时间和空间上互不相关的散斑编码结构光图案,采用时空相关立体匹配算法实现人脸三维重建。通过理论分析和实验验证散斑模板的旋转角度对测量精度的影响,进而确定最佳的旋转角度。采用德国ATOS高精度工业3D扫描仪获取人脸面具三维数据并将其作为真值,同时测试真实人脸的三维采集效果。实验结果表明,当投射散斑数量为5时,三维重建的平均误差为0.063mm,误差标准差为0.111mm。     

结合肤色分割的支持向量机人脸检测方法

人脸检测是人脸识别与图像及视频检索的一项重要任务。本文提出了一种结合分割与模板匹配-支持向理机(Support Vector Machines,SVM)的正面人脸检测算法。算法在肤色区域分割基础上，输入图像采用基于Harr小波描述的特征提取方法，然后结合平均脸模板匹配利用 SVM分类器进行分类。实验结果表明该算法十分有效。