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.     

基于二维图像的人脸面部特征点定位与提取

提出了一种人脸面部特征点定位与提取的方法.利用该方法,在人脸预处理基础上,通过人脸分割、基于水平方向Prewitt算子模版的边缘检测和积分投影技术,可以快速有效地提取眼睛、鼻子和嘴巴等特征点信息.实验表明,该方法可以校正人脸倾斜并具有较高的准确率.     

基于融合约束局部模型的三维人脸特征点定位

提出基于特征融合约束局部模型的三维人脸特征点定位算法. 该算法对每个特征点分别使用三维网格的深度信息和网格局部形状信息训练分类器,对分类器的响应进行融合. 使用基于融合响应的正则化特征点均值漂移算法进行模型拟合,实现特征点定位. 三维人脸特征点定位经常需要对每个特征点的候选点集进行遍历产生候选点组合,该算法使用模型拟合代替穷举搜索,避免了嵌套循环带来的快速增长的时间开销. 使用FRGC v2.0和Bosphorus数据库,对算法进行实验评估. FRGC v2.0库上的特征点平均误差为2.48~4.12 mm,总体检测成功率为97.3%,其中中性、温和及极端表情下的检测成功率分别为97.6%、97.4%和95.5%. Bosphorus库上3种姿态下的检测成功率分别是94%、95%和89%. 实验结果表明,提出方法具有较好的效果,对表情和小幅度的姿态变化具有较好的鲁棒性.     

基于级联网络和残差特征的人脸特征点定位

为进一步提高人脸特征点定位精度,探究当前广泛用于人脸关键点定位的全卷积神经网络（FCN）架构的原理和缺陷,讨论FCN核函数在特征点定位中引入的副作用,即训练和测试时评判准则不一致的问题. 理论分析该问题存在的可能性和普遍性,设计实验验证在实际场景下此问题存在的广泛性. 提出结合残差特征的沙漏网络结构并将其应用于人脸特征点检测;提出多级沙漏网络的级联结构,并将其与经典的栈式沙漏网络进行对比分析. 实验结果表明：二级级联结构获得了与四级栈式结构相当的特征点定位精度,大幅降低了模型参数量和时间复杂度. 所提方法在300-W数据库的困难子集上的平均归一化误差为6.84%,优于已有最好方法.     

人脸图像特征点眼睛的定位与提取

采用类间方差分析法对人脸图像进行二值化处理后，得到轮廓清晰连续的边缘图像，能较准确地对眼睛特征点进行定位与提取。     

人脸识别中基准点的选取与特征点定位

提出了一种基准点选取的新方法,为实现不同性别人脸图像的识别开辟了一条可行之路,还提出了去除眼镜对眼域定位影响的“峰定位法”,为解决戴眼镜人脸图像的识别问题提供了一个行之有效的方法．实验表明,文中方法对特征点定位准确,速度快．     

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.     

基于三维特征点模型的人脸表情识别算法

提出了一种基于三维特征点模型匹配的人脸表情识别算法.首先,以混合树结构建模不同姿态脸部特征组合,实现特征点定位,并建立脸部三维几何特征模型;然后,基于广义普鲁克分析原理对特征点模型进行归一化计算,并建立具有鲁棒性的匹配特征;最后,采用支持向量机实现表情的训练和识别.通过对BU-3DFE数据库中6种脸部表情的测试,表明该算法能够达到很好的识别效果.     

基于HASM的口形特征点定位

针对口形特征点定位的准确性问题,提出一种基于HASM(hierarchical active shape model)的口形轮廓定位方法,采用不等步长、不等角度建模策略和口形聚类策略,构建局部纹理模型作为特征点搜索依据,并利用马氏距离选取最佳定位点.试验结果表明,HASM模型的口形特征点定位方法使内唇定位和闭口口形定位的准确率达到90%以上.     

一种优化的自底向上时间序列分段算法

目的正确衡量分段算法的优劣,提高自底向上算法的分段精度.方法分析现有分段评价标准存在的不足,综合考虑压缩比和精度,提出相同压缩比下的拟合总误差越小算法相对更优的分段评价标准.通过去除原自底向上算法初始分段两两连接的偶数限制,提出新的自底向上算法.结果测试显示新的评价标准能有效避免错误评判.新的自底向上算法的拟合总误差比现有算法减少了一半以上.结论新的评价标准可以更准确地区分算法的优劣,比现有标准更合理.新的自底向上算法具有更高的精度,整体优于原算法.     

基于YUV颜色空间的脸部区域特征点定位方法

为了实现面部主要特征点的精确定位,提出了一种融合YUV颜色空间与差分投影技术的人脸区域主要特征点定位方法。利用直方图拟合技术,实现了人脸区域的定位;在YUV颜色空间内,利用红色调像素点集的相位分布完成了嘴部区域的定位;利用差分投影技术求取脸部区域的横、纵向灰度差之和,并结合嘴唇区域的定位结果完成眼部区域的垂直定位与水平定位,为进行面部姿态识别奠定基础。试验结果表明,该方法可以有效地实现面部主要特征点地定位,具有准确率高,鲁棒性好,简单易行的特点。     

基于肤色模型与人脸特征的多姿态人脸检测

传统AdaBoost人脸检测算法使用正面人脸训练分类器,不能检测有任意偏转角度的多姿态人脸。本研究利用各种多姿态人脸中人眼结构变化比较小的性质,使用人眼训练AdaBoost算法的分类器,设计出一种快速的复杂场景下的多人多姿态人脸检测算法。先将图像映射到一种色彩空间,运用皮肤颜色分布特性检测皮肤区域;再运用AdaBoost算法从肤色区域检测出人眼区域;最后根据人眼在人脸中的位置计算出人脸的位置。实验结果表明:该算法对多姿态人脸有很好的检测效果。     

基于边缘跟踪的直线特征检测算法

针对现有直线检测算法的缺陷,提出一种新的基于边缘跟踪的直线特征检测算法.算法对图像边缘进行提取,并在此基础上对边缘进行跟踪,从图像边缘直接提取出局部直线.设计了一种鲁棒直线拟合策略,并对拟合后的直线以一定的准则进行合并,准确获取图像中直线特征及端点参数,最终实现完整直线检测.典型图像直线检测结果表明,所提出的算法能准确检测出图像中的全局直线,并具有较快的运算速度,性能优于现有基于Hough变换和相位编组的直线检测算法.     

基于知识库进行人脸图像特征提取的研究

采用区域性增强法对人脸图像进行预处理，用基于知识库的方法提取人脸几何特征．通过选用人脸上３２个特征点，结合人像学，美学原理及人脸识别的心理特征，提出一种简便的，高精度的“知识库”法和“区域处理”法，使人脸图像可有别于其它图像进行处理．     

基于特征融合与决策树级联结构的多姿态人脸检测

为了提高复杂模式下多姿态人脸检测的速度与性能,提出了一种基于特征融合与决策树级联结构相结合的多姿态人脸检测方法.该方法给出了基于形态学梯度的边缘方位场特征,并提出了基于Haar like特征与边缘方位场特征相融合的AdaboostSVM算法.通过对决策树级联结构进行改进,将特征融合的AdaboostSVM算法与改进的决策树级联结构相结合进行多姿态人脸检测.实验结果表明,该方法能明显改善复杂模式下多姿态人脸检测的速度与性能.     

智能监控中基于头肩特征的人体检测方法研究

针对传统监控系统存在的不足,研究了智能监控中人体目标的自动检测,提出了运动目标头肩模型提取和支持向量机头肩模型验证相结合的新方法,该方法将差分图像的边缘检测与轮廓跟踪相结合,有效地消除了目标影子干扰的影响;利用人体局部形状特征区分人体目标,解决了实际应用场合中人体易受到遮挡的问题;基于支持向量机(SVM)的分类器克服了传统方法在小样本条件下容易欠学习与过学习的问题.实验结果表明,该方法具有较强的鲁棒性和较高的正确率,在智能监控系统中能自动检测运动人体目标,为智能监控中人体目标自动检测和跟踪提供理论和技术基础.     

基于新Haar-like特征的Adaboost人脸检测算法

为解决基于Haar-like特征的Adaboost人脸检测方法存在的特征计算复杂度较高的问题,提出两组Haar-like特征扩展集;利用积分图给出特征组的计算方法;采用Adaboost算法在正脸和侧脸样本库分别训练出正脸和侧脸级联分类器,并将其组成双通道分类器。在开源视觉库OpenCV上的实验结果表明,本方法具有较少的弱分类器数,检测效率高、计算速度快,对于多角度人脸检测具有较好的鲁棒性。     

基于分布估计算法的人脸Haar特征选择

通过研究人脸检测算法中Ada Boost算法,针对算法中的haar特征维数过高、训练耗时过长,检测效率过低等问题.提出基于分布估计算法(Estimation of Distribution Algorithm,EDA)的人脸haar特征选择人脸检测.EDA采用类内类间比作为适应度函数,通过统计学习的手段建立解空间内个体分布的概率模型,然后对概率模型随机采样产生新的群体,进行反复计算,实现群体的进化,最终得到全局最优解,以此来实现haar特征选择.实验结果表明:检测率(DR)与误检率(FDR)优于传统算法,而且检测速度得到了提升.     

复杂背景中人脸检测与特征定位

为了在复杂背景下检测出人脸的特征区域,针对彩色图像提出了一种基于肤色和特征验证的人脸检测算法,主要由肤色分割、排除假区域、特征验证3部分组成,经实验证明,该算法检测速度快、准确率高,具有较好的鲁棒性。     

基于人体嗅觉特征的猪肉新鲜度仿生电子鼻检测技术

借鉴成人鼻腔的特殊结构及其嗅觉原理设计出具有仿生意义的气体室。根据猪肉产生的气味和传感器实验,合理选择气敏传感器。采用支持向量机(SVM)作为模式识别方法。经理化试验证明系统检测猪肉新鲜度准确率达96.45%,结果表明设计的仿生电子鼻系统检测猪肉新鲜度是可行的。