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。     

基于帧间差分与静态特征相结合的人脸跟踪方法

简述了近年来主要的人脸跟踪方法,提出一种基于帧间差分与静态特征相结合的人脸跟踪算法。算法利用视频图像的运动信息做帧间差分确定人脸搜索的矩形区域,利用肤色模型提取肤色区域,通过积分投影确定人脸的椭圆范围,并对矩形范围内图像做边缘提取、膨胀等处理,通过水平积分投影获得人脸特征曲线,并通过特征曲线验证椭圆范围内是否存在人脸,实现人脸自动跟踪。     

一种基于线连通的人脸定位法

提出一种基于线连通的区域聚合法,结合肤色处理和区域特征等方法对人脸进行定位.这种新的区域聚合法能快速有效地获取图像区域的几何特性,从而可以提取区域的各种特征,最终能根据人脸的基本特征对图像的人脸进行定位.实验证明,这种方法速度快、实现简单,能较好地克服人脸倾斜、大小、表情、姿态变化等不利因素的影响,达到很好的定位效果.     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

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。     

基于肤色与边缘特征的人脸定位检测算法

针对由于外貌、表情、肤色等不同,给人脸检测带来很大困难的问题,提出一种基于肤色特征与边缘检测相结合的人脸检测方法,将归一化后的RGB空间转换为YCbCr空间,再对图像进行光线补偿等预处理;在对肤色区域进行判决的过程中,采用自适应阈值的方法.本文算法实验结果证明具有一定的可靠性和有效性,而且计算速度快、方法简单、定位率高、检测效果好.     

基于卷积神经网络的人脸图像特征提取

为了提高对人脸的自动识别和检测能力,提出了一种基于卷积神经网络的人脸特征提取技术。采用连续模板匹配技术进行人脸边缘轮廓的检测,采用Harris角点检测方法进行人脸的关键特征点定位,在人脸的分块区域内进行人脸的肤色特征分析和外包矩形轮廓区域特征提取,结合肤色特征对图像中人脸特征点进行图像重构和精确定位,对提取的人脸特征点采用卷积神经网络进行分类,实现对人脸图像特征的优化提取。仿真结果表明,采用该方法进行人脸特征提取的准确性较高,具有较好的特征匹配能力。     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法，实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法，用其分割图像，根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本，最后利用训练好的支持向量机预测人脸样本是否为人脸.     

疲劳驾驶监控中人脸检测与定位方法

目的为了正确检测和定位人脸区域,提高疲劳驾驶监控中人脸检测与定位方法的准确率和实时性.方法结合肤色分割、模板匹配,改进连通区域划分算法实现对戴眼镜人脸的检测与定位.结果实验结果表明,肤色分割改进算法能对不同复杂程度背景的人脸图像正确的检测与定位,正确率达到97.7%.结论该算法能在不同光照条件和复杂程度背景下,检测并定位人脸区域,实时性好,准确率高,对戴眼镜情况时也能检测定位成功.     

一种人脸的检测与定位方法

提出一种基于肤色的人脸检测定位算法,设计了基于肤色的人脸检测和定位系统.采用了增强人脸特征与脸部皮肤之间对比度的方法以及二值化方法,改进了预处理的效果.使用了基于边界方法和基于区域方法相结合的算法,提取了眼睛、嘴和鼻子等关键特征,最终较好地实现了人脸定位.在MicrosoftWindows ME平台上,利用Visual C 6.0开发了软件.实验结果表明,该软件对于一定尺寸范围内清晰的正面人脸图像能够正确检测定位并提取特征.     

基于三维模型与Gabor小波的人脸特征点跟踪方法

为了实现人脸特征点跟踪系统的鲁棒性和精确性,使用光束平差法模型将基于三维人脸几何模型的跟踪方法与基于Gabor小波的特征点跟踪方法结合起来,提出基于三维模型与Gabor小波的人脸特征点跟踪方法.该方法使用基于Gabor小波的特征跟踪方法来得到每帧的初始特征点,使用基于三维人脸几何模型的整合优化跟踪方法来得到每帧的最终特征点.与3类典型人脸特征点跟踪方法的对比实验结果表明,该方法克服了以往方法基于二维图像信息来寻找特征点的局限性,可以实现鲁棒的、实时的、大角度的人脸特征点跟踪.     

基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。     

基于颜色特征的人脸检测方法

针对RobCup家庭机器人对人脸检测的要求,研究了基于颜色特征的人脸检测方法。该方法首先将人脸图像进行非线性分段色彩变换光线补偿处理,减少光线对肤色的影响,然后在YCbCr颜色空间中建立肤色模型,分割出肤色区域。在颜色空间YCbCr中,嘴巴区域包含的红色分量要高于蓝色分量,利用这个特征分割出嘴巴区域。在YIQ颜色空间中,通过I分量来区分眼睛与皮肤,分割出人眼,最后根据嘴巴、眼睛的几何中心特征映射人脸,人脸检测的仿真结果验证了该方法的有效性。     

复杂背景的人脸检测方法

由于原始的Adaboost方法在复杂图片上检测人脸效果不够理想,所以提出了一种能够处理复杂背景图片的人脸检测方法,即基于肤色的Adaboost检测方法。该方法具有肤色分割的检测率高、适应性强和AdaBoost算法检测速度快等优点。首先,通过人脸肤色的统计特征对图像进行肤色分割,得到候选人脸区域;然后使用经过训练的AdaBoost算法级联分类器对候选人脸区域进行检测,最终得到精确定位的人脸。经过实丐令证明,基于肤色分割的Adaboost人脸检测方法比原始的Adaboost方法在鲁棒性上有了很大提高。     

表情数据驱动三维人脸模型方法

提出了一种利用面部表情数据驱动三维人脸模型中骨骼特征点运动的方法.首先,利用面部表情捕捉设备对面部特征点进行采集,并使用XML格式对面部表情捕捉数据进行描述;然后将采集到的面部特征点与人脸模型中骨骼特征点进行映射配对;最后,使用面向对象图形渲染引擎演示面部表情,从而实现使用面部表情数据驱动三维人脸模型.方法验证实验的过程和结果表明了提出方法的有效性.     

基于LBP层次特征的表情识别算法

提出了一种基于LBP层次特征提取的表情识别算法.将图像分成许多子块,并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征,对人脸图像的眼睛和口部作粗定位.采用局部二值模式(LBP)的层次特征提取法,对图像进行分块操作,求出每个子块的LBP直方图,然后将基于整体特征得到的LBP直方图与基于局部特征得到的LBP直方图连接起来,作为整幅图像的LBP直方图.将层次特征提取法所提取的LBP直方图作为嵌入式隐马尔可夫模型(EHMM)的初始向量,即形成观察序列.对JAFFE人脸库中的7种基本表情进行了测试,结果表明该方法能有效提高表情识别率.     

基于二维人脸图像的三维建模研究

针对目前三维人脸建模方法存在的不足,在分析了网格重采样方法的基础上,提出了一种改进的基于模板的网格重采样方法.首先对人脸的重要特征点大致定位,自动将人脸划分为36个分块,初步建立三维人脸间的对应关系;然后使用重采样的方法,得到具有规则拓扑结构的人脸特征点,建立较为精细的中性人脸模型.经实验证明,该方法能够在较短时间内实现对中性三维人脸的建模,同时对高维模型进行了网格简化.     

基于肤色增强和分块PCA的人脸表情识别方法

人脸的表情识别在智能人机交互应用中具有重要意义. 本文提出了一种基于肤色增强和分块PCA的人脸检测及表情识别方法. 首先,使用同态滤波增强肤色图像的亮度范围及对比度,利用YCbCr色彩空间分量分离肤色背景区域,再通过轮廓分析确定人脸目标,最后对分割出的人脸进行均衡化处理,并引入分块主成分分析(PCA)算法进行表情识别. 结果表明,该方法在光线较弱以及背景较复杂的情况下均能有效地进行人脸检测与表情识别,相对于传统的LBP方法可提高识别率约为2.3%.