一种鲁棒的旋转不变性多姿态人眼定位方法*

提出一种新的针对平面任意旋转角度的多姿态人眼定位的鲁棒方法。使用旋转不变性多姿态(RIMV)人脸检测器定位人脸区域并划分眼睛搜索范围,利用眉眼整体特征采用交叉检测法,用大规模多姿态眉眼及眼睛样本训练的二级支持向量机搜索区域,并选择若干个SVM判别函数值最高的窗口作为候选眼睛区域,根据候选窗口重叠情况进行筛选和合并以确定眼睛的最佳位置。实验表明,该方法具有很好的精确性和鲁棒性,能适应复杂背景下表情变化的任意姿态人脸上的眼睛定位。     

复杂背景下人眼的快速定位

采用基于改进Adaboost算法的级联式人脸和人眼分类器检测人脸和眼睛的候选位置,再用支持向量机（SVM）分类器验证并确定人眼的最佳位置;实现了在复杂背景图像中快速、准确的眼睛定位.与传统的Adaboost算法相比,改进的Adaboost算法构建分类器所需的特征数目大大减少,提高了眼睛定位速度;同时利用人脸几何特征的SVM分类器验证,提高了定位精度.实验结果表明该算法具有很好的精确性和实时性.     

驾驶员眼睛疲劳状态检测技术研究

在判断驾驶员疲劳状态时,应首先对眼睛进行精确定位,再根据眼睛面积的减小程度、持续闭合的时间、闭合频率来判断眼睛疲劳状态。在进行人眼定位时,采用在RGB空间进行肤色分割、去除与边界连通的区域的方法,再结合形状验证法逐步减小眼睛区域候选范围,然后,计算眼睛区域的面积、持续闭合时间。实验证明:这种方法在定位人眼时,简单快速,且不受人脸背景、人脸肤色、姿态的影响。     

表情识别中基于轴对称的人眼定位方法

提出了一种精确的人眼定位方法.首先初步定位眉眼区域,接着利用先验知识将区域分成左右两类,然后利用邻域关于过虹膜中心的垂直线的轴对称性,以下半圆为邻域,选择轴对称性强的邻域所代表的点作为候选眼睛中心.该方法分析了眉毛和眼睛之间的白块,从而有效地区分了真假眼睛中心.实验结果表明,以这种轴对称性定位眼睛更加精确,速度快,不需要对产生的候选点进行复杂的筛选.本方法适合于表情丰富人脸图像的眼睛定位.     

基于PERCLOS的驾驶员眼睛状态检测方法

利用驾驶员眼睛的状态判断驾驶员的疲劳状况是一种实时的、非接触式的方法。首先对眼睛进行精确定位,再根据眼睛面积的减小程度来判断眼睛的睁开或闭合状态,进一步通过记录眼睛闭合的次数、眼睛持续闭合的时间来检测驾驶员是否处于疲劳状态。本文采用肤色分割、去除与边界连通的区域、逐步减小眼睛区域候选范围的方法来定位人眼,再计算眼睛区域的面积,眼睛闭合时间,此方法不受复杂背景影响,对各种肤色、各种姿态的人脸均适用。     

一种联合的人眼精确定位算法

眼睛定位在人脸识别中占有重要地位.为达到高效精确的人眼定位,提出一种联合的眼睛定位方法,该方法先用基于AdaBoost算法的分类器对眼睛对区域进行粗定位,同时使用灰度极小值区域(MER)快速地检测出图像中的单眼候选.通过联合眼睛对位置与单眼候选进行处理,判决并给出最终人眼精确位置.为提高算法的性能文中引入了边缘方向直方图(EOH)特征作为AdaBoost分类器特征,并采用了单眼及眼睛对定位校验模式.该算法能有效地压缩训练样本集规模,并能快速精确地对人眼进进行定位.本算法在CAS-PEAL 人脸数据库、JAFFE 数据库等数据集上均有良好表现.     

一种基于肤色检测的人眼快速定位方法

眼睛的位置是人脸识别过程中一个很重要的信息.针对彩色人脸图像上的眼睛定位问题,提出一种结合肤色分割和形态学运算的人眼定位方法.该方法首先利用肤色模型通过最大类间方差法自动优选阈值分割图像,接着从非肤色区域入手,采用形态学运算去除非肤色区域中的干扰区域来获取可能的眼睛区域,最后结合人眼的几何特征实现人眼的快速准确定位.实验结果表明,提出的算法有效地平衡了眼睛定位的实时性和准确性之间的矛盾,定位效率高.     

在线融合特征的眼睛状态识别算法

针对人脸视频中眼睛定位精度影响眼睛状态识别正确率问题,提出了一种融合在线肤色模型的眼睛状态识别算法。首先,在人脸主动表观模型(AAM)定位的基础上,使用当前用户的肤色特征,建立在线肤色模型;其次,在初步定位的眼睛区域,再次使用在线肤色模型,定位内外眼角点的精确位置,并利用眼角点的位置信息提取精确的眼睛区域;最后,提取眼睛区域的局部二值特征(LBP),使用支持向量机(SVM)算法,实现对眼睛睁闭状态的鲁棒识别。实验结果表明,对比全局定位的眼角点定位算法,该算法可以进一步降低眼角点的对齐误差,在低分辨人脸中使用在线融合特征的睁闭眼状态的准确识别率分别为95.03%及95.47%,分别比直接使用Haar特征和Gabor特征的识别率提升2.9%和4.8%,在实时人脸视频中,使用在线特征可以明显提高眼睛状态识别效果。     

基于2阶段区域匹配的驾驶员眼睛细定位算法

针对驾驶员脸部图像的特点,提出一种基于两阶段区域匹配的驾驶员眼睛细定位方法.该方法通过眉眼分布的先验知识,将传统的双眼区域对称性扩展到双眉之间、双眼之间以及眉眼之间的对称性,充分利用同侧眉毛与眼睛在垂直方向上的先验知识,构造眉眼滤波器,从而排除眉毛的影响,精确地确定出人眼区域.实验结果表明,该方法较好地解决了常规区域匹配细定位算法中眼睛匹配到眉毛的问题,在眉毛不可见、一侧眉眼被遮挡、头部旋转或倾斜角度较大等情况下,也能进行较好的眼睛定位.     

SVM和HMM混合模型在人脸识别中的应用

采用支持向量机（SVM）和隐马尔可夫模型（HMM）相结合的方法进行人脸识别。首先对照片中的人脸进行定位,从定位区域提取人脸各个器官的独立基特征,然后使用支持向量机和隐马尔可夫混合模型对定位区域进行人脸识别。利用SVM和HMM结合的优点,取得较高的识别率。     

Facial expression recognition – A real time approach

Face localization, feature extraction, and modeling are the major issues in automatic facial expression recognition. In this paper, a method for facial expression recognition is proposed. A face is located by extracting the head contour points using the motion information. A rectangular bounding box is fitted for the face region using those extracted contour points. Among the facial features, eyes are the most prominent features used for determining the size of a face. Hence eyes are located and the visual features of a face are extracted based on the locations of eyes. The visual features are modeled using support vector machine (SVM) for facial expression recognition. The SVM finds an optimal hyperplane to distinguish different facial expressions with an accuracy of 98.5%.     

一种新型的人脸眼睛定位方法

提出了一种在复杂背景、光照、姿势变化条件下的人脸眼睛定位系统。首先采用Adaboost方法提取人脸，并提出了解决平面旋转和深度旋转的方法。接着，采用数学形态学提取人脸特征并用各种规则去过滤特征点。然后采用SVM眼睛确认方法确认眼睛对。最后采用Camshift和Kalman滤波进行跟踪。基于IFACE数据库的实验结果表明我们的算法具有很高的眼睛定位准确率并对光照、姿势、复杂背景不敏感．     

LS-SVM在单通道颜色测温中的应用

针对复杂工业环境中高温难以直接测量的问题,提出一种基于最小二乘支持向量机（LS—SVM）的单通道颜色测温方法。利用高温物体的颜色与温度之间复杂的非线性映射关系,采用绿色单通道图像样本特征值建立LS—SVM回归模型实现颜色测温,并与BP神经网络模型进行比较。仿真结果表明,LS—SVM测温模型具有良好的非线性建模和泛化能力。该方法能够间接得到温度测量值,并且具有较高的预测精度,为高温测量提供一个新的有效手段。     

基于模板匹配与支持矢量机的人脸检测

人脸检测是人脸识别与基于内容的图像及视频检索的一项重要任务。由于非人脸样本相对于人脸样本的多样性和复杂性，使得人脸模式分类器的训练十分困难。该文提出了一种将模板匹配与支持矢量机（SVM）相结合的人脸检测算法。算法首先使用双眼－人脸模板对进行粗筛选，然后使用SVM分类器进行分类。在模板匹配限定的子空间内采用“自举”方法收集“非人脸”样本训练SVM，有效地降低了训练的难度，实验结果的对比数据表明，该算法是十分有效的。     

Proximal SVM在脑功能分类中的应用研究

为了研究PSVM分类器用于脑功能识别的有效性与优越性,对脑功能识别做出了深入的研究和分析。采用三名受试者在睁眼和闭眼状态下的脑电实测数据,从不同角度深入分析和比较了PSVM分类器与标准SVM分类器的性能,主要衡量指标为识别率和训练时间。结果PSVM分类器优于标准SVM分类器之处在于,在保证识别率的同时,计算速度有了显著地提高。并且随着样本维数的增加,PSVM分类器的计算速度并没有下降。PSVM用于脑电信号功能识别是高效率的,这对今后的有实时要求的脑功能分类识别问题具有重要意义。     

基于LSTM的眼动行为识别及人机交互应用

眼动交互在人机交互领域中有着广泛的应用前景,针对传统的眼动交互传感设备具有普遍侵入性,校准过程复杂且价格昂贵,普通单目摄像头传感器分辨率低等问题.提出一种基于前置摄像头视频源,使用方向梯度直方图（HOG）特征+SVM+LSTM神经网络的眼动行为识别方法,进而实现了简单的人机交互应用.该方法首先定位和跟踪人脸,在人脸对齐操作后依据4个眼角关键点的坐标获取双眼区域,使用SVM模型判断眼睛的睁闭眼及非眨眼状态,再分析相邻帧之间眼球中心的位置粗略判断眼动情况,将可疑的有意眼势帧间差分视频序列输入到LSTM网络中进行预测,输出眼动行为识别结果,进而触发计算机命令完成交互.经过自制数据样本集20 000个样本（其中约10%为负样本）测试,本文方法动态眨眼识别准确率优于95%,眼动行为预测准确率为99.3%.     

Bayesian 3D shape from silhouettes

This paper introduces a smooth posterior density function for inferring shapes from silhouettes. Both the likelihood and the prior are modelled using kernel density functions and optimisation is performed using gradient ascent algorithms. Adding a prior allows for the recovery of concave areas of the shape that are usually lost when estimating the visual hull. This framework is also extended to use colour information when it is available in addition to the silhouettes. In these cases, the modelling not only allows for the shape to be recovered but also its colour information. Our new algorithms are assessed by reconstructing 2D shapes from 1D silhouettes and 3D faces from 2D silhouettes. Experimental results show that using the prior can assist in reconstructing concave areas and also illustrate the benefits of using colour information even when only small numbers of silhouettes are available.     

基于子聚类约简支持向量机的说话人识别研究

由于支持向量具有边界性,在利用语音训练集对基于支持向量机（SVM）的说话人识别系统进行训练之前,需要对该训练集进行约简。考虑到该训练集一般十分庞大且具有非线性可分的特性,提出子聚类约简的概念。首先对训练集进行模糊核子聚类并过滤掉非边界的聚类区,然后依照提出的算法对保留的聚类区中的向量集做进一步地约简,使支持向量集更加集中在边界。理论和实践表明,经过两层的约简既保留了充足支持向量,保证了SVM良好的泛化性能,又提高了系统的时间和空间效率。     

基于层次支持向量机的人脸检测

针对彩色图像人脸检测,提出了肤色模型和层次支持向量机相结合的人脸检测方法。检测时首先利用调节的肤色模型提取出人脸候选区域,然后对这些候选区域用线性支持向量机和主成分与非线性支持向量机相结合的层次支持向量机进行验证,获得真正的人脸区域。实验表明,该方法对图像偏色有一定的鲁棒性并可以用于灰度图像的人脸检测,而且检测正确率和速度比基于肤色和模板匹配的方法有了一定的改进。