基于梯度和模板二次匹配的人眼定位

提出了一种基于图像梯度和模板匹配相结合的眼腈定位方法。利用投影函数确定眼腈区域的上下边界，然后对于眼睛睁开较大的图像根据眼球的梯度方向信息定位眼睛中心，对于眼睛睁开较小或完全闭合的情况，利用本方法中的梯度眼睛模板进行二次匹配。试验证明该算法定位准确率高，不受眼腈状态的影响，并且对头部姿态变化和焦距变化等具有一定的鲁棒性。     

一种改进的模板匹配眼睛定位方法

针对眼睛定位问题,文章提出了一种改进的模板匹配方法。在使用一种合成的眼睛模板对图像进行匹配得到多个相似眼睛点的基础上,利用人脸库部分图像中两眼相对位置关系的统计值来构造一个分段距离函数,并计算相似眼睛点的两两距离,根据此距离信息来同时定位双眼。实验结果表明,与传统模板匹配方法相比,该文方法能够同时定位双眼,并显著提高了定位准确率和定位速度。     

无砟轨道扣件快速匹配定位方法研究

针对现有扣件定位方法速度慢、定位不准确的问题,结合无砟轨道的特点,提出一种无砟轨道扣件快速匹配定位算法。该算法针对传统匹配算法运算量大、匹配结果不准确的缺点,采用梯度法求取扣件图像的方向场,并根据钢轨区域方向场的各向一致性,锁定扣件感兴趣区域,实现图像裁剪,减少模板搜索空间;模板匹配则通过计算模板和图像方向场对应点之间的绝对值距离实现扣件匹配定位,并利用方向场采样、基于统计方法确定搜索起点位置、随机抽样一致性等方法提高匹配速度和精度。实验结果表明,该算法匹配速度快、鲁棒性强,能够满足扣件检测识别中对扣件匹配的实时性和准确性的要求,与传统的模板匹配定位方法相比,速度提高了30%左右,且对于不同光线条件下的匹配成功率均大于95%。     

基于眨眼持续时间的司机疲劳检测方法

利用红外敏感的摄像机获得司机脸部图像,通过可变性模板匹配的方法对眼睛进行定位,然后利用卡尔曼滤波的方法跟踪眼睛,得到司机的眨眼持续时间参数,以此为依据判断司机是否疲劳.主要研究了其中的图像处理方法--特征提取算法和眼睛定位、跟踪算法.实验结果证明,眨眼持续时间判断是否疲劳的有效指标.     

基于肤色和模板匹配的人眼定位

提出了一种基于肤色和模板匹配的彩色图像人眼定位方法。首先利用YCbCr空间的肤色模型粗定位可能的人脸区域,然后在候选人脸区域用平均眼模板作基于金字塔结构的模板匹配定位眼睛。实验结果表明该方法在复杂背景下极大地提高了眼睛定位速度和精确度,具有较好的光照鲁棒性。     

基于仿射模板匹配的多角度单人脸定位

提出了一种基于仿射模板匹配的多角度人脸定位算法,用平均脸作为基模板,经由不同的伸缩比例和旋转角度构成的仿射变换生成各种姿态的模板,并将模板分为双眼模板和人脸模板对,首先使用以眼模板搜索符合眼睛的区域,再用整个人脸模板匹配进上步检验是否符合人脸模式,并利用马赛克规则验证,给出最佳匹配作为人脸位置,对包含１４４幅图像和６０幅图像的两上图像库的定位准确率分别达到７９．２％和８５％,表明该算法的有效性。     

基于模板匹配和边缘检测的车标定位方法

车标定位在车标识别系统中具有关键作用,为解决倾斜的车辆图像及多种车标背景纹理的车标定位问题,提出了一种新的车标定位方法。先进行车辆图像的倾斜校正,再通过三绝对值最大梯度方法定位出车灯带区域,利用车标与车牌、车灯的位置先验知识进行车标粗定位,并根据车标背景纹理特征利用模板匹配和边缘检测方法进行车标精定位。该方法充分利用了车标的先验知识和背景纹理特征,并将模板匹配与边缘检测技术相结合,提高了车标定位的准确率。实验结果表明,该方法既适用于倾斜的车辆图像又适用于多种车标背景纹理,具有很好的车标定位效果。     

人脸识别中的眼睛定位方法

眼睛是人脸部最重要的器官,因此眼睛准确定位在人脸识别中具有特殊重要的意义。基于灰度图像,提出一种改进的眼睛精确定位的方法。首先对图像进行光照和噪声的预处理,再利用积分投影和山谷法对图像进行分析,进而找出一系列的候选眼睛点,眼睛点的验证采用人脸的几何分布特征和眼睛模板匹配相结合的方法来进行最终眼睛对的确定。基于orl和yale人脸库的实验结果表明该算法对光照、旋转、遮挡不敏感,具有较高的定位准确率。     

基于形状模板匹配的图像拼接算法

文章提出了一种基于形状模板匹配的图像自动拼接方法。提取图像的角点作为特征点,利用归一化梯度模板对其进行预匹配,然后利用形状模板在四个方向对模板内图像的边缘点与模板边界的最短距离进行统计,获取模板图像的结构特征向量以实现对特征点的精确匹配。实验结果表明该算法具有较好的实用价值。     

人脸识别中的眼睛定位方法

眼睛是人脸部最重要的器官,因此眼睛准确定位在人脸识别中具有特殊重要的意义.基于灰度图像,提出一种改进的眼睛精确定位的方法.首先对图像进行光照和噪声的预处理,再利用积分投影和山谷法对图像进行分析,进而找出一系列的候选眼睛点,眼睛点的验证采用人脸的几何分布特征和眼腈模板匹配相结合的方法来进行最终眼睛对的确定.基于od和yale人脸库的实验结果表明该算法对光照、旋转、遮挡不敏感,具有较高的定位准确率.     

基于眼睛状态识别的婴幼儿睡眠监测

利用对婴幼儿眼睛状态判断来实时监测婴幼儿的睡眠,从而提高看护效率。首先对婴幼儿脸部检测,再对眼睛进行精确定位。二值化图像后,根据眼睛特征比较明显的瞳孔位置进行判断。睁眼的时候瞳孔明显,闭眼的时候瞳孔消失,依据瞳孔的检测状态来判断眼睛的睁眼闭眼状态。该算法不受复杂背景影响,计算量不大,易于实现。     

复杂背景下的多阈值人眼定位新算法*

提出了一种基于复杂背景下的多阈值人眼定位算法。该算法首先对图像进行光线补偿,减小由于光照不均等因素造成的影响;然后根据对人眼灰度特征的分析来确定3个人眼二值化阈值,从而分离出人眼候选区域;最后根据人脸的几何特征、人眼位置判定准则以及计算二维相关系数来排除非人眼区域,从而定位双眼。实验结果表明,该算法能在不同条件下准确定位人眼,且具有较快的定位速度和较高的检测率。     

基于肤色信息的人脸检测和人眼定位方法

提出的人脸检测和人眼定位方法利用人类肤色在YIQ颜色空间分布的稳定性,检测出图像中的皮肤区域,然后利用人脸的特征知识来判断人脸的存在,通过计算脸部特征的对称性,从而精确定位。实验结果证明了方法的有效性。     

A method of detecting and tracking irises and eyelids in video

We locate the eye corners, eyelids, and irises in every frame of an image sequence, and analyze the movements of the irises and eyelids to determine changes in gaze direction and blinking, respectively. Using simple models for the motions of the head and eyes, we determine the head-independent motions of the irises and eyelids by stabilizing for the head motion. The head-independent motions of the irises can be used to determine behaviors like saccades and smooth pursuit. Tracking the upper eyelid and using the distance between its apex and the center of the iris, we detect instances of eye closure during blinking. In experiments on two short image sequences, in one of which the subject was wearing glasses, we successfully located the irises in every frame in which the eyes were fully or partially open, and successfully located the eyelids 80% of the time. When motion information in the form of normal flow was used, the irises were successfully tracked in every frame in which the eyes were fully or partially open, and the eyelids were successfully located and tracked 90% of the time.     

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.     

基于人眼定位的快速人脸检测及归一化算法

本文提出了一种基于人眼定位的有效人脸图像归一化算法。该算法首先利用Harr特征的快速检测法从图像中检测出人脸的大致位置，然后基于人脸的几何分布特征和灰度信息特征准确检测人眼瞳孔位置建立人脸坐标系，最后对人脸图像作旋转、尺度和灰度的归一化校正。实验结果证明，该算法能够有效并准确地检测和校正人脸，可以显著提高识别率。     

一种新颖人脸结构特征的眼定位算法

眼睛是人脸中极为重要的特征,因此快速准确的定位人眼是人脸识别的关键环节.为解决识别问题,提出了一种新的精确定位人眼的算法,即根据东方人的脸部结构特征,提取一个局部区域以缩小眼睛的搜索范围.在此基础上,结合眼睛的灰度信息和结构信息最终精确定位人眼.首先把整幅图像分割成固定大小的小图像块,根据图像块的复杂度初步定位两眼,再根据图像块的结构居中度对眼睛进行精确定位.实验结果证明,运算量少,容易实现,并能提高检测效率.     

自适应平滑自商图与多层分块的人眼定位算法

针对光照对眼睛定位产生的影响,提出了一种基于自适应平滑自商图像与多层分块的人眼定位算法。首先进行光照评估,利用自适应平滑自商图像（ASSQI）对光照条件差的进行处理,消除人脸图像的光照影响;然后运用眼睛区域梯度复杂度大的特征并结合积分图分块处理获得眼睛粗定位;最后对粗定位区域继续分块并利用质心得到准确的瞳孔中心。在JAFFE数据库、Yale B数据库和BioID数据库上测试表明该文算法有较高的定位正确率,对光照的鲁棒性较强。     

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%.