基于OpenCV人眼定位的人脸检测方法

如何准确地定位人脸是人脸识别中非常关键而且重要的一步。笔者提出一种基于OpenCV人眼定位的人脸检测方法。利用从摄像头得到的视频图像中随机获取的单帧图像作为待处理人脸图像,通过人眼定位、图像旋转、分割以及缩放得到标准化后的人脸图像,再经过ART2神经网络的学习认知,计算其识别率。对比实验说明此方法能够应用于人脸识别,并具有较快的识别速度和良好的识别率,特别方便于实际应用。     

基于自定义特征检测模板的快速眼睛定位方法

眼睛准确定位是虹膜识别和人脸识别的重要步骤．介绍了一种适合实时处理的快速眼睛定位方法．利用数学形态学提取头部图像，提出一种新的特征检测模板，再结合投影算法和人脸结构特征定位眼睛．试验结果表明此算法具有很好的实时性、准确性和鲁棒性．     

基于隐马尔可夫模型的人脸特征标注和识别

传统的基于隐马尔可夫模型的人脸识别方法需要对原始人脸图像进行光照补偿、人脸旋转等预处理,而且模型对人脸姿势、表情、局部特征变化等非常敏感.为解决此问题,提出一种基于高斯隐马尔可夫模型的人脸特征标注方法,该方法假定人脸图像中人脸和人脸特征两个区域的灰度值服从两个不同的高斯分布,并将这两个分布作为隐马尔可夫模型的状态集合.同时,将灰度人脸图像转换为一维的灰度值序列作为观测序列,通过模型预测状态序列以实现人脸特征的标注和定位,并基于该模型建立人脸数据库,对未知人脸进行识别.在ORL人脸库和自建人脸库的测试中,均取得较高的标注准确率和识别准确率.     

融合小波变换和张量PCA的人脸识别算法

张量主成分分析(PCA)方法用于人脸识别能获得比PCA方法更高的识别率．小波变换具有良好的时频分析特性,同时还能起到降维的作用．综合利用这两个算法的优点,提出了一种新的人脸识别算法,对人脸图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,实现人脸图像的高效识别．仿真结果表明,新算法的识别率比张量PCA方法提高了6％,识别时间为张量PCA方法的35.74％．     

自底向上的人脸特征点定位

针对人脸特征点定位的复杂性,提出了一种鲁棒的人脸特征点定位方法.该方法通过对497张不同年龄层次、不同性别、不同脸型的人脸进行训练学习,可以自动地对新输入的人脸图像进行识别和定位.与传统方法不同的是,该方法首先通过皮肤模型确定人脸的大致位置,然后采用自底向上的方法,利用主动外观模型（AAM）对特征明显的局部器官进行定位,再进一步定位器官组合,直至完成整张脸的器官定位.与传统方法相比,该方法不是局限于全局化的定位手段,而是通过逐层调整匹配精度的形式,使总体匹配精度得到提高.     

一种基于改进的卷积神经网络的人脸表情识别方法

针对人脸表情识别的准确率较低、鲁棒性较差的问题,本文提出一种加深层数的卷积神经网络,将卷积神经网络LeNet的2层卷积、2层池化、一层全连接分别修改为4层卷积、4层池化、2层全连接.首先对人脸表情图像进行关键点定位、人脸裁剪、图像归一化等预处理,然后利用卷积层提取人脸图像的低维度和高维度的特征信息,池化层对提取的人脸特征信息进行降维处理.最后采用softmax分类器对训练样本图像的表情进行分类识别.为了提高表情识别的准确率,在表情训练集中加入了自制的标注图片集.仿真对比实验表明改进的模型精度更高、损失曲线更平滑,验证了改进网络的有效性.     

基于消除背景的人脸定位方法

针对在人脸定位中图像背景对人脸定位产生影响的问题,提出通过消除背景的人脸定位方法.研究了图像区域的肤色特征和几何特征,对背景区域的几何特性进行分类,根据不同的几何特征采用相应的检测方法,有效地去除了人脸背景,实现快速人脸定位.实验结果证明,这种通过消除背景的人脸定位方法能够提高定位的效率和精度.     

基于深度相机的疲劳预警检测算法研究

为解决复杂环境下传统彩色图像对危险驾驶行为无法正确识别的难点,本文提出一种基于深度相机的疲劳预警检测方法。首先通过深度相机获取驾驶员的红外图像与深度图像,对获取的红外图像使用局部二值模式(local binary pattern,LBP)特征算子检测定位人脸区域;在人脸区域使用随机森林和全局线性回归相结合的方法训练出模型,并检测定位人脸的68个特征点,进而确定眼睛和嘴巴的闭合状态。为了增强疲劳检测的准确性,判断驾驶员佩戴眼镜情况,采用改进的疲劳检测算法判定驾驶员的疲劳状态,同时采用图像处理方法对眼部状态与嘴部状态进行疲劳检测。检测结果表明,本算法能够有效识别白天和夜间眼睛与嘴部的疲劳状态,具有较强的实用性。     

基于图像分块和RBF神经网络的人脸识别方法

目的 提出一种基于图像分块和径向基函数(RBF)神经网络的人脸特征提取与识别方法,解决人脸识别中的高维、小样本问题.方法 采用人脸图像的分块处理、奇异值分解压缩算法,降低特征维数,有效地解决了存储和传输中的数据压缩问题,运用基于聚类方法的RBF神经网络分类器进行人脸分类识别.结果 通过实验和数据分析表明,该方法在人脸骨骼特征明显时具有较高的识别率,与基于整体人脸图像的识别效果相比,识别率提高了3%.结论 笔者提出的识别方法具有良好的学习效率和识别精度品质指标.     

一种适合于昏暗光线下的驾驶员脸部定位方法

采用CCD摄像机获得驾驶员脸部图像．由于黑天光线不足,肤色较暗,在将彩色图像转变为黑白图像的过程中,首先通过腐蚀和膨胀结合的方法去除图像部分的噪声．采用图像差异的阈值处理方法,初步选定灰度阈值,再利用二次非线性方程对灰度值进行归一化处理,强化了图像灰度集中各灰度值之间的差异,以此灰度阈值作为分割人脸和背景的界限值,得到图像的灰度直方图,再把灰度直方图向水平和垂直方向投影,获得驾驶员脸部区域,实现对驾驶员面部定位．该方法可以在昏暗光线下,定位人脸区域,有效去除干扰．根据上述算法,进行了不同环境和路况下的监控试验．结果表明：在昏暗光线下,驾驶员脸部定位的平均准确率达到83％,该方法具有实时、准确的特点,为进一步识别驾驶员在夜问是否处于疲劳状态提供重要的判断依据．     

基于局部多特征融合的三维人脸识别方法

为了克服表情变化对三维人脸识别的影响,提出一种基于局部多特征融合的三维人脸识别方法.该方法首先根据中心侧影线提取鼻尖点,并以鼻尖点作为基准点制定窗口; 然后利用形状索引值在窗口内提取关键点,并计算每个关键点和其区域的多维度特征后将其融合成特征向量; 最后采用相似度匹配方法进行人脸识别,并以匹配点数最多的特征向量作为最终的识别结果.实验结果表明,该方法的识别率到达97.7%,且具有较好鲁棒性,同时优于文献[4]、[6]和文献[7]的方法; 因此,该方法可为有效解决表情变化对三维人脸识别的影响提供参考.     

人脸图像嘴巴特征点自动提取系统

利用彩色人脸的特点，设计一个初步的人脸图像嘴巴特征点的自动提取系统。通过水平投影和垂直投影确定嘴巴的矩形区域，然后在嘴巴所在的矩形区域内提取6个特征点，并且由这6个点拟合五段二次抛物线，由此描绘出嘴巴的边缘轮廓。实验证明，该方法可以有效地提取嘴巴的特征点并较精确地描绘出嘴巴的轮廓.     

一种边缘二进制码的表情识别方法

针对如何从图像中提取有效的表情特征来提高表情识别率的问题,提出了一种基于边缘二进制码的表情特征提取方法,用于表情识别.该方法首先对图像进行边缘检测,然后对边缘的局部结构进行二进制码描述作为表情特征,最后利用支持向量机进行表情分类.在JAFFE人脸表情数据库上,分别用该方法和传统的方法进行试验,结果表明,该方法可显著提高表情识别率.     

一种基于指纹人脸的多生物特征身份认证方法

本文分别介绍了一种基于指纹人脸识别的多生物特征身份认证方法,并针对传统的指纹人脸方法提出相应的改进算法。对指纹识别,本文提出采用局部归一化方法结合Gaussian滤波器来计算指纹方向,再对局部脊线补偿法（Loca lRidge Compensation）进行快速运算,能够更加快速准确地进行指纹识别。人脸识别通过定位人脸位置并且进一步提取人脸特征来进行匹配,使用LBP（Local binary patterns）算子对人脸样本进行局部特征提取,对LBP处理后的人脸图像使用主成分分析（PCA）进行降维,并采取了极限学习机（Extreme learning machine,ELM）分类器进行匹配,将指纹、人脸的识别结果在决策层进行融合,最后做出判断,从而得到准确稳定的身份认证系统。     

结合稳定兴趣点和Gabor小波的图像检索

提出了一种基于稳定兴趣点和纹理特征的图像检索算法．该算法首先利用优化的Hessian检测器检测图像中的稳定兴趣点,并计算稳定兴趣点的环形邻域的伪泽尼克矩;然后,利用Gabor小波变换提取图像的纹理特征;最后,用不同图像伪泽尼克矩和纹理之间的差异来衡量图像的相似度,实现图像检索．实验结果表明,与其他基于兴趣点或者纹理特征的检索方法相比,该算法能够降低不稳定兴趣点的影响,有效提高了图像检索的准确率和查全率．     

用小波变换和Fisher判别对人脸进行特征提取

提出了一种用小波变换和核函数Fisher判别对人脸进行特征提取的方法.同传统的特征提取方法相比,用核函数Fisher判别进行特征提取,不仅可以对人脸图像进行维数压缩,而且还可以有效利用提样本的类别信息.同时,用小波变换对人脸图像进行预处理以降低计算复杂度.同传统的Fisher变换相比,可以较好地解决人脸识别这一非线性问题.实验结果表明方法是有效的.     

轨迹测量系统中特征点检测技术研究

针对机器人直线轨迹测量系统中的图像处理鲁棒性问题．开展线结构光光条图像的特征点识别技术研究．提出了一种基于种子点拟台和直线生长的直线分割方法。很好地解决了各种条件下各段拟合直线的端点自动获取问题，提高了系统的环境适应性和测量精度实验表明，该方法具有很好的鲁棒性。     

一种基于肤色特征的人脸特征点定位方法

针对传统人脸特征点定位方法中存在的算法复杂、鲁棒性差以及精确度低等问题,本文提出一种基于肤色特征的人脸特征点自动定位方法.首先对预处理后的图像在多个色彩空间中利用肤色特征实现人脸区域的精确定位;然后,在人脸区域内根据各特征部位的特性构造色度模型函数来标定其特征区域;最后,在特征区域内完成人脸特征点的自动定位.实验结果表明,该算法简单、鲁棒性较高,且能够快速高效地实现人脸特征点定位.     

A human face recognition system based on KLT

０　ＩＮＴＲＯＤＵＣＴＩＯＮＨｕｍａｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｔｏｐｉｃｆｏｒｃｏｍｐｕｔｅｒｖｉｓｉｏｎｒｅｓｅａｒｃｈａｎｄａｌｓｏｉｓｏｎｅｏｆｔｈｅｍｏｓｔｄｉｆｆｉｃｕｌｔｐｒｏｂｌｅｍｓｉｎｔｈｅｆｉｅｌ...     

人脸图像特征点的定位与提取方法的研究

对于复杂的人脸模式，脸部特征定位是人脸自动识别技术的关键.对人脸图像特征点的定位过程和提取算法进行了研究.通过对人脸图像进行增强与平滑等预处理，并生成清晰完整的二值化图像；利用灰度积分投影曲线确定人脸区域，以缩小定位范围；同时找到垂直方向上人脸特征的大致位置，以便进行下一步的特征提取工作；以粗定位为基准，按照适当的方法对眼、鼻、嘴的特征点依次准确提取.利用粗略与精确两步定位过程方法，在简化处理的同时，可准确提取正面人脸图像中的特征点.实践证明，该方法直观、可靠，具有良好的实用性.