基于人脸检测的人脸跟踪算法

文章提出了一种基于人脸检测技术的人脸跟踪算法。该算法利用前一帧的人脸检测结果预测当前帧中人脸可能的尺度与位置范围,在限定的范围内采用模板匹配与人工神经网分类的方法定位人脸,从而实现快速而可靠的人脸跟踪。由于使用了人脸检测技术,该方法可以自动定位初始人脸。实验表明该方法在具有复杂、动态变化背景的图象序列中是很有效的,速度为5－11Hz,可用于实时性系统。     

基于肤色、知识和2DPCA的人脸检测

为了提高人脸检测速度及鲁棒性,该文提出了一种基于肤色、知识和2DPCA相结合的人脸检测算法。通过对人们实际中绘画人脸模型以及肤色在H-S空间分布的分析,扩充了原有的粗检测规则,建立肤色分割模型;为了进一步加快检测的速度,该方法采用了先利用肤色分割和知识粗检测,后利用2DPCA的多级检测步骤,且在粗检测中采用了几何广义投影法,从而明显地提高了检测速度,同时利用最大类间方差法实现了阈值的自适应选择。实验结果表明了该算法的有效性和正确性。     

一种用于人脸粗检测的广义几何投影方法

本文提出了一种用于人脸粗检测的广义几何投影方法,该方法能从场景图像中快速地筛选出侯选人脸区域,筛选比例高,并能同时预测出筛选位置人脸的尺度范围,使得整个人脸的检测速度得到很大的提高。     

一种基于肤色模型和模板匹配的人脸检测算法

近年来,随着人机识别技术的日益发展,人脸检测问题越来越受到重视,而人脸检测技术的关键在于准确率和检测速度.为了有效提高人脸检测的效率,提出了一种基于肤色分割和模板匹配算法的人脸检测方法.首先,建立颜色模型,利用颜色信息对图像进行粗检测,得到粗检测结果,然后,采用模板匹配技术确定人脸.该算法克服了单用模板匹配法的时间延迟,提高了检测精度和速度.     

基于多尺度梯度相角的人脸图像对称性检测与定位

在利用反对称双正交小波变换系数获得人脸图像多尺度梯度矢量的基础上，提出了一种基于多尺度梯度相角的人脸图像对称性检测与定位算法，该方法对光照变化具有很强的鲁棒性．另外，本方法可利用小波变换的多分辨率特性，实现由粗至精的分级检测，从而提高定位速度。同时，由于反对称双正交小波还能用于图像压缩，因此该方法为压缩数据城中的人脸定位提供了一条可能的途径。与类似方法的对比实验表明，本文方法在定位速度、定位准确性及减少待选点数目上明显占优。     

用差影法与多模板匹配快速实现人脸检测

提出了一种用差影法与多模板匹配快速实现人脸检测的方法。该方法减小了搜索人脸的范围，减少了运算量，提高了检测的速度，具有较强的鲁棒性，而且通过适当地增加样本可望进一步提高检测性能，具有一定的可扩展性。实验证明，其最突出的优点是误检率非常低。     

允许姿态变化的快速人脸特征检测

本文提出一种在允许姿态显著变化的人脸图象上快速检测眼睛和嘴角的方法。该方法仅仅合理地假设人脸图象要以通过值分割将头发和眼睛与脸部明显分开。首先采用Ｈｏｕｇｈ变换并利用有脸的相似性和对称性约束确定两个瞳孔的位置，然后根据人体测量关系初略估计嘴部区域，最事利用积分投影方法得到嘴角的精确位置。     

基于AdaBoost人脸检测算法在DSP上实现

以DSP TMS320DM642为核心处理器,设计了一种通用的实时人脸检测系统.采用Viola el al.'s提出的人脸检测AdaBoost算法,该算法实现了人脸检测的高速性和高准确性.本文主要介绍将该检测算法在DSP上实现,利用了它的流水线操作、多杌并行处理等特点.本系统能够在高分辨率图像和实时视频数据中,实现实时的人脸检测,从而使算法计算量及载入速度的瓶颈问题得到解决.     

基于小波变换和支持向量机的人脸检测

提出一种基于小波变换和支持向量机的人脸检测算法，适用于复杂背景灰度图像的人脸检测。算法首先用双眼模板匹配方法进行粗筛选，之后时候选窗口用小波变换提取特征，将特征向量送入支持向量机进行分类检测。由于采用双眼模板进行粗筛选提高了检测速度，并且用小波变换提取特征向量，使特征向量的维数大大减少，从而有效地降低了分类器的训练难度。实验对比数据表明该方法具有较高的检测率和较低的虚警数，检测速度较高。     

基于肤色模型、神经网络和人脸结构模型的平面旋转人脸检测

人脸检测是智能人机接口的关键技术之一,它在人脸识别、表情识别、人脸合成和人脸编码等领域具有重要的应用价值.该文针对复杂背景下的彩色图像,提出了一种基于肤色模型、人脸平面旋转角度检测和正面人脸结构特征的人脸检测算法.该方法首先建立了一个人脸肤色分布模型;其次采用神经网络计算和瞳孔定位操作,实现了由粗到精的人脸平面旋转角检测;最后提出了一种基于结构的正面人脸检测策略.实验结果表明,所提出的算法能够适应不同的光照环境,可以检测不同大小、不同平面旋转角的人脸.     

一种基于KL变换和镶嵌图模型的人脸检测方法

提出了一种基于KL变换和镶嵌图模型的人脸检测方法。该方法首先采用KL变换将整个图像空间划分为主元子空间和次元子空间，利用人脸图像大部分能量集中在主元子空间、小部分能量分散到次元子空间这一特点，将人脸从复杂背景中初步检测出来。在此基础上，采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析足够多的人脸图像样本的基础上，针对人脸图像的灰度和边缘信息，建立了一种较为合适的知识库。实验结果表明，该方法能够较好地解决复杂背景下的正面人脸的检测问题。     

基于图像扩散速度模型和纹理信息的人脸活体检测

为了解决人脸身份认证中的欺诈问题,提出了一种基于图像扩散速度模型和纹理信息的人脸活体检测算法。真实人脸和虚假人脸图像的空间结构不同,为了提取这种差异特征,该方法使用各向异性扩散增强图像的边缘信息。然后,将原始图像与扩散后图像的差值作为图像的扩散速度,并构建扩散速度模型。接着使用局部二值算法提取图像扩散速度特征并训练分类器。真实人脸图像和虚假人脸图像之间存在很多差异特征,为了进一步提高人脸活体检测算法的泛化能力,该方法同时提取人脸图像的模糊程度特征和色彩纹理特征,通过特征矩阵级联的方法将两种特征进行融合,并训练另一个分类器。最后根据分类器输出概率加权融合的结果做出判决。实验结果表明,该算法能够快速有效地检测出虚假的人脸图像。     

视频图像中的实时人脸检测方法

给出了一种视频图像中的实时人脸检测方法，该方法综合了彩色视频图像的运动信息和颜色信息，可以快速地对图像中的人脸区域进行定位。算法通过对视频图像序列中每连续3帧图像进行对称差分，提取出运动区域；然后基于肤色聚类模型，再对运动区域进行肤色检测，经过候选人脸验证，最终定位图像中的人脸。实验表明，提出的方法检测速度快，实现简单、高效，满足实时系统的要求。     

旋转45°矩形窗口的积分图像算法改进及应用

旋转45°矩形窗口的积分图像用于计算旋转Harr型特征,可实现快速人脸检测.通过改进这种积分图像的算法,不仅提高了其计算速度,而且使获得图像直立矩形窗口和旋转45°矩形窗口的积分图像只需遍历原图像一次.实验证明算法改进是有效的.还提出了利用这种积分图像检测平面内旋转人脸的另一种方案,拓展了其应用.     

Face detection with boosted Gaussian features

Detecting faces in images is a key step in numerous computer vision applications, such as face recognition or facial expression analysis. Automatic face detection is a difficult task because of the large face intra-class variability which is due to the important influence of the environmental conditions on the face appearance. We propose new features based on anisotropic Gaussian filters for detecting frontal faces in complex images. The performances of our face detector based on these new features have been evaluated on reference test sets, and clearly show improvements compared to the state-of-the-art.     

A statistic approach to the detection of human faces in color nature scene

In this paper, a novel algorithm for oriental face detection is presented to locate multiple faces in color scenery images. A binary skin color map is first obtained by applying the skin/non-skin color classification algorithm. Then, color regions corresponding to the facial and non-facial areas in the color map are separated with a clustering-based splitting algorithm. Thereafter, an elliptic face model is devised to crop the real human faces through the shape location procedure. Last, local thresholding technique and a statistic-based verification procedure are utilized to confirm the human faces. The proposed detection algorithm combines both the color and shape properties of faces. In this work, the color span of human face can be expanded as wilder as possible to cover different faces by using the clustering-based splitting algorithm. Experimental results reveal the feasibility of our proposed approach in solving face detection problem.     

Region-based face detection

Face detection is a challenging task. Several approaches have been proposed for face detection. Some approaches are only good for one face per image, while others can detect multiple faces from an image with greater price to pay in terms of training. In this paper, we present an approach that can be used for single or multiple face detection from simple or cluttered scenes. Faces with different sizes located in any part of an image can be detected using this approach. Three test sets are used to evaluate the system. The system has a detection rate of 100% on test set A containing 200 good quality images (200 faces) with simple backgrounds. Test set B contains 23 images (149 faces) with cluttered backgrounds and a mixture of high- and low-quality images. A detection rate of 66.4% is obtained on this set. Test set C is a selection of 22 high-quality images (54 faces) images from different sources including the World Wide Web, and a detection rate of 90.7% is obtained.     

Shadow compensation in 2D images for face recognition

Illumination variation that occurs on face images degrades the performance of face recognition. In this paper, we propose a novel approach to handling illumination variation for face recognition. Since most human faces are similar in shape, we can find the shadow characteristics, which the illumination variation makes on the faces depending on the direction of light. By using these characteristics, we can compensate for the illumination variation on face images. The proposed method is simple and requires much less computational effort than the other methods based on 3D models, and at the same time, provides a comparable recognition rate.     

CPU环境下快速精确的人脸检测方法

近年来人脸检测在使用深度学习方法的情况下,取得了显著的突破.然而人脸检测在CPU上实时运行并且保持很高的精度依然是一个很大的挑战.本文提出一种轻量的卷积网络模型,可以加快卷积神经网络提取特征的速度;对相邻卷积层进行特征融合,在融合后的多个卷积层检测人脸;为了使每一层的anchor密度相同,对anchor做了稠密化处理;修改了人脸检测分类损失函数,使其更关注比较难分类的样本.在公开数据集FDDB的实验表明,在本文提出的神经网络模型下准确率达到了95.9%,并且可以在CPU上实时检测.