基于小波变换的人脸检测系统的实现

本文以Gabor小波变换理论为基础,采用模板匹配法定位人脸图像的眼睛,弹性匹配法对其余特征点进行搜索,最后利用弹性图簇的数据结构求得特征点的精确位置,提出了一种更优的人脸检测方法。通过MATLAB软件仿真结果表明,该方法能有效提高人脸的识别率。     

融合全局和局部特征并基于神经网络的表情识别

在表情中含有最多特征信息的是面部眉毛、眼睛和嘴巴这三个区域,为充分利用这些特征,减少图像中无用信息在识别过程中对计算机内存的占用,提高人脸表情识别系统的准确率和速度,首先采用haar 和 adaboost人脸检测算法,对图像中的人脸进行识别,获得人脸图像并提取眉毛、眼睛和嘴巴,生成局部(眉毛、眼睛、嘴巴)二值化图,利用PCA方法对人脸图像降维,降维后的全局和局部灰度特征值组成一个列向量。样本由表情数据库产生,经过神经网络样本训练后,进行表情识别。结果表明,该系统对人脸表情识别速度明显快于Gabor 小波算法;识别的准确率高于单独使用PCA算法和神经网络算法;消耗内存比用Gabor 小波算法少,运行较流畅。得出结论：因为提取出包含表情特征信息集中区的眉毛、眼睛和嘴巴,尽可能地多保留了这些局部特征信息,因而提高了表情识别准确率,同时,采用PCA方法对原始图像进行降维处理,有效的减少了信息冗余。     

基于人脸识别的考勤系统的设计与研究

通过研究人脸识别,设计出一套用于考勤的系统。基于人脸识别的考勤系统中最主要的就是人脸识别;首先对通过摄像头拍摄获取的原始人脸图片进行图像预处理;然后通过对人脸的眼睛、鼻子和嘴巴的定位实现人脸定位;在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来;最后通过图片中提取的特征值和后台人脸特征数据库中的值进行比较来完成人脸的识别功能。     

基于肤色及五官特征的人脸检测方法

本文提出了一种基于肤色及五官特征的人脸检测方法，通过对图片进行一系列的处理。提取出人脸的大致框架，然后通过眼睛、嘴巴的建模，最后得到图片中人脸的比较精确的位置。     

基于谷算子的人眼特征点检测方法*

考虑带姿势旋转的人脸的特征点检测问题,提出了一种基于谷算子得到眼睛的候选区域,用Gabor滤波和方差投影构造模糊模板检测出眼睛的位置,并利用二值图像数学形态学与投影的方法得到有姿势旋转的人脸特征点检测的算法。该算法利用软数学形态学构造了一种新的谷算子,用一种新的局域区域取二值化的方法对图像进行二值分割,提出了通过谷算子运算得到人脸谷极点的方法,减少了一些不稳定点的影响。实验表明,该算法具有很高的精度和很强的鲁棒性。     

基于统计模型与Gabor小波的人脸对齐

将基于Gabor小波的人脸特征点跟踪算法与基于统计模型的主动外观模型AAM人脸特征点定位方法结合起来,实现视频中人脸的自动对齐。先利用Gabor小波进行特征点跟踪,其结果作为AAM的初始形状。利用AAM的全局形状和纹理信息作为约束,对Gabor小波的局部跟踪错误进行校正。实验表明,该方法是有效的。     

一种鲁棒的人脸特征定位方法

提出了一种基于AdaBoost算法和C-V方法的人脸特征定位方法。首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器；然后结合人脸边缘图像的先验规则，使用人脸检测器提取人脸区域；接着利用眼、鼻、嘴检测器从人脸区域中检测出人脸特征所在的矩形区域；最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓，进而得到人脸关键特征点的位置。在DTU IMM人脸测试集上，眼睛的检测率为100%，鼻子的检测率为95.3%，嘴巴的检测率为98.4%，提取出的特征点位置准确。实验结果表明方法是有效和鲁棒的。     

基于谷算子的人眼特征点检测方法

考虑带姿势旋转的人脸的特征点检测问题，提出了一种基于谷算子得到眼睛的候选区域，用Gabor滤波和方差投影构造模糊模板检测出眼睛的位置，并利用二值图像数学形态学与投影的方法得到有姿势旋转的人脸特征点检测的算法。该算法利用软数学形态学构造了一种新的谷算子，用一种新的局域区域取二值化的方法对图像进行二值分割，提出了通过谷算子运算得到人脸谷极点的方法，减少了一些不稳定点的影响。实验表明，该算法具有很高的精度和很强的鲁棒性。     

基于光流和Gabor小波的人脸特征点跟踪

研究优化人脸特征提取问题,针对长期以来在不贴标记点的情况下用传统的光流、Snake、可变模板等方法对纹理特征变化大的特征点不能有效跟踪,并且解决单独采用Gabor小波系统开销大等问题,为了在人脸图像中提取准确信息,提出了人脸特征点的跟踪方法,分组采用改进的光流法和弹性图匹配的方法进行特征点跟踪.对眼睛、眉毛、上下眼皮等14个表情变化不大的特征点使用光流法进行跟踪,最后对变化大的嘴部8个特征点运用Gabor小波的弹性图匹配方法进行仿真,实验结果表明获得了很好的跟踪效果,且利于推广使用.     

融合Gabor小波和贝叶斯的人脸识别算法

由于Gabor小波和贝叶斯方法都可以通过不同的机制来减少类内差异,提出了融合Gabor和贝叶斯的人脸识别方法。该方法首先通过人脸图像特征点与Gabor滤波器的卷积来提取特征,借鉴“作差法”形成“类内差”和“类间差”空间,并用2DPCA对差异空间进行降维,最后用贝叶斯方法进行分类。通过在AR和FERET人脸库上的实验表明,与传统的方法相比较,该方法降低了运算量,提高了识别率,对具有表情及光照变化的人脸具有较高的识别率。     

多模板ASM方法及其在人脸特征点检测中的应用

ASM(active shape model)是目前最流行的人脸对齐方法之一.为提高ASM在非均匀光照下多表情的人脸特征点检测的准确率,提出了一种融入Gabor特征、并将局部ASM和全局ASM结合的多模板ASM方法.人脸有丰富的表情,如微笑、惊讶、生气、发呆等等.就眼睛而言,可分为睁眼和闭眼;就嘴巴而言,可分为张大的嘴、微笑的嘴、O型的嘴(惊讶时)和紧闭的嘴.眼睛的这两种状态以及嘴巴的这4种状态使得形状有较大的非线性变化,不能简单地放在同一个线性模型下处理.分别对眼睛建立两个局部模板,对嘴巴建立4个局部模板,以及对整脸建立全局模板.在给定眼睛两个内眼角和嘴巴两个外嘴角的前提下,新方法首先用全局模板粗略确定眼睛所在区域,然后在此区域用眼睛的两个局部模板以及Hausdorff距离判断眼睛状态,同理可检测嘴巴状态,最后调用相应的全局模板去搜索整脸轮廓.实验表明,提出的方法其检测准确率比标准ASM有明显提高.     

基于多姿态知识模型和模板的快速人脸检测

提出了一种多姿态知识模型,并以之从人脸器官梯度图中获得候选脸的大小、位置、姿态类别和眼、嘴重心坐标,然后按姿态类别将候选脸与对应的模板进行匹配确认人脸.该人脸检测算法集人脸检测、姿态估计和眼、嘴定位于一体,具有检测速度快的特点,适于多姿态多人脸场合的人脸检测.该算法只利用了图像的灰度信息,因此对灰度图像和彩色图像的人脸检测均适用.     

人脸检测系统研究及实现

人脸检测识别因其广阔的应用前景而成为当前模式识别与人工智能领域的研究热点之一。文章对带有人脸信息的24住真彩色BMP文件,通过基于肤色信息的彩色图像分割方法,利用预定的肤色建模知识进行人脸区域检测及区域标定。在此基础上,利用给定的眼、嘴先验信息进行眼、嘴的匹配捡测,并最终实现双眼中心以及嘴的标定,从而实现人脸及其特征信息的检测。     

基于ASM和肤色模型的疲劳驾驶检测

疲劳驾驶研究中,面部关键特征精确定位与跟踪是个难点。提出了一种基于主动形状模型ASM和肤色模型的疲劳驾驶检测方法。首先,利用肤色模型检测到人脸区域为ASM提供初始定位;然后基于ASM进行人眼和嘴巴跟踪获得眼睛与嘴巴区域;再利用Canny算子对两个区域精确定位,获得疲劳检测参数;最后根据PERCLOS方法实现疲劳检测。考虑到基于HSV颜色模型的人脸检测不受姿势和角度的影响,但容易受到背景干扰,而ASM的优点是人脸关键点跟踪效果好,但初始定位困难,将二者结合实现了眼睛与嘴巴精确定位与跟踪。实验表明,眼睛检测准确率可以达到90.7%,哈欠检测准确率可以达到83.3%,疲劳检测准确率达到91.4%。     

彩色图像中多姿态的人脸快速检测及定位

针对复杂背景下的彩色图像,提出了一种基于肤色模型、数学形态学处理、似眼物检测以及眼睛与嘴巴构成三角形特征的人脸检测算法。该方法首先根据肤色模型检测出肤色区域;快速提取肤色区域的边界并分割成一系列肤色块;用数学形态学的膨胀和腐蚀方法分别对各个肤色块进行处理,消除边界毛刺和回旋,填补空洞,同时也避免了不同肤色块的连通;用简单的圆形模板检测出似眼物,然后根据眼睛与嘴巴构成三角形的特征判断是否为人脸。     

基于级联宽度学习的疲劳驾驶检测

为减少因疲劳驾驶引发的交通事故,提出融合多参数的驾驶员疲劳检测算法。用渐进校准网络(PCN)检测人脸图像,通过基于CNN的回归模型定位人脸关键点;根据关键点坐标和面部器官的分布规律提取眼睛和嘴部图像,用宽度学习系统(BLS)分别识别眼睛与嘴巴的状态;将眼睛、嘴巴和头部状态的时序序列送入二级宽度网络对司机的状态进行判别。实验结果表明,该算法的疲劳检测准确率为94.9%,单帧检测时间52.43 ms。     

结合差图像和Gabor小波的人脸表情识别

提出一种结合差图像和Gabor小波变换的人脸特征提取方法,并使用支持向量机SVM(Support Vector Machines)进行人脸表情识别。对包含情感信息的静态灰度图像进行预处理,将眼睛和嘴巴等表情子区域从人脸中切割出来,求出其差图像,然后提取差图像的Gabor特征,使用下采样降维减少特征向量的维数并进行归一化,最后使用SVM进行分类。与只从表情子区域提取Ga-bor特征的识别方法进行了比较,结果显示识别效果更好。     

基于ENM-Gabor差分权重的人脸表情特征提取方法

针对人脸子区域对表情识别分类的重要程度不同,提出一种基于Gabor小波特征和ENM(Eye,Nose,Mouth)差分权重的表情特征提取方法。通过对人脸眼睛、鼻子、嘴巴三个区域进行特征提取并自适应加以权重,有效地区分了不同区域对识别表情的重要程度。对预处理后的表情图像提取ENM区域Gabor特征;将表情图像与中性图像作差值计算得到ENM差分权重;将ENM-Gabor特征结合差分权重得到最终的表情特征并用BP神经网络进行分类。与其他方法在JAFFE表情库上进行对比实验,实验结果表明,该方法相比于传统Gabor特征提取有了明显的提高,且平均识别率达到99.3%。     

基于边缘和纹理特征相结合的快速人脸精确定位方法

静态复杂背景灰度图像的人脸快速精确定位问题,是近年来迫切需要解决和完善的问题。该文将快速简单的大面积搜索算法和复杂精细的分析算法相结合,提出了一种椭圆弦箭算法,该算法利用图像的边缘快速确定搜索空间,并在搜索空间内使用虹膜网格采样矩阵进行纹理分析,采用在频域中按指数增长的分布方式设计Gabor滤波器,进一步提高了Gabor滤波器纹理分析效率,从而精确定位人眼和嘴。该文算法复杂度适中,运算量较小,定位精度较高,鲁棒性好,有很大的实用价值。