基于模板匹配和遗传算法的人眼定位

文中提出了一种利用模板匹配与遗传算法相结合的人眼定位算法.根据人脸几何特征将人脸分为几个特征区域(眼睛、鼻子、嘴巴),在找到人眼区域后根据人眼几何特征,建立人眼特征模板及其能量函数,通过改变模型参数用遗传算法实现能量函数的全局最小化,使能量函数最小的模型参数即可描述人眼的特征,从而实现人脸特征的有效定位.同时还讨论了不同的能量函数在人眼定位过程中的地位和作用.可避免在能量函数寻优过程中的局部最小化的出现,较准确较快捷的确定人脸主要特征的位置.     

基于可变模板和支持向量机的人体检测

随着图像处理技术和模式识别技术的发展，人体检测在监控系统、驾驶员辅助系统、图像索引等领域已得到广泛应用。针对静态图像中站姿人体检测问题，提出了一种新的特征选取方法，并应用可变模板和支持向量机相结实现对图像中的人体检测和定位。通过对图像进行轮廓提取和网格划分，选择水平方向和垂直方向上的特征组成图像的特征向量，然后使用搜集到的样本特征向量对模型进行训练，用可变模板搜索待检测图像，根据检测区域的特征和训练好的模型对图像进行分类。实验结果表明，该方法可以快速准确地检测出多种背景图像中的站姿人体,正确分类率达92%以上。     

基于近红外光和可变形模板的人眼特征检测方法

本文提出了一种提取人眼特征的方法。采用先瞳孔,后眼角,再眼睑的顺序分步提取眼睛特征点。利用人脸在近红外光下的红眼现象快速定位和跟踪瞳孔,然后在眼部的可信区域内同时利用眼白信息和角模板找到内外眼角,再使用已知的眼角点初始化可变形模板并跟踪眼睑。这样既能精确地提取人眼特征,又有效地减少了可变形模板匹配时间,提高能量函数收敛速度。实验证明本文提出的方法快速、有效,能为基于人眼状态检测的应用系统提供可靠的数据支持。     

基于可变形样板的图像分割在医学影像上的应用

介绍了一种利用可变形的样板对图片进行分割的方法。方法的基本原理是通过对一个样板图像进行变形，使其能在最大程度上接近于目标图像来对目标图像分割的目的。使用样板变形进行图像分割的方法，可应用于医学影像中的器官分离等方面。     

三维脸部网格模型的交互式调整

脸部网络模型的建立是基于模型的人脸合成技术的关键步骤。提出了一种结合自动和交互方式，利用正交图象的三维人脸模型调整算法，首先利用区域增长法和矩形模板匹配确定正面图象中人脸及各特征区域的位置，利用变形模板自动提取人脸完整特征；然后交互地修正人脸特点的准确正面位置，并从侧面图象提取特征点的深度；最后算法自动确定脸部姿态和利用反向距离内插调整模型非特征点，获得输和人脸模型。实验结果表明，该算法简便实用，费时较少，具有一定的实用价值。     

一种加权矩形提取表情特征的方法*

表情特征提取是面部表情识别的一个关键步骤。针对目前特征提取效率低的情况,通过分析Gabor特征提取的性质和积分图像计算效率高的特点,提出一种利用积分图像技术和矩形模板计算面部特征点特征的方法,模板模拟Gabor的多尺度性,每个模板定义相应的权值,表情图像按照Gabor的各个方向旋转,使用旋转图像积分图和加权模板而不是在积分图上旋转模板提取特征点的特征值,最后将此特征值用于表情分类。实验结果表明,该方法在识别结果相当的情况下极大地提高了特征提取的效率。     

基于三维可变形模板的眼睛特征提取

眼睛特征提取在人脸感知的各种应用中有着非常重要的作用，为了解决人脸垂直旋转角度比较大时，眼睛特征提取的问题，提出了一种新的基于三维可变形模板的眼睛特征提取方法，此方法采用了两个新提出的技术，一个是人脸姿态估计策略用于估测人脸的垂直旋转方向，另一个就是三维可变形模板匹配技术用于具体提取眼睛的精确特征，实验表明该方法能够适应人脸图像垂直旋转角度的变化，获得很好的特征提取结果。     

基于轮廓特征的模板匹配方法及其应用

提出一种基于轮廓特征的模板匹配方法,该方法首先提取视频关键帧作为模板库,然后对模板库中的图像进行图像预处理和特征提取,利用基于轮廓特征的相似距离函数(CSD)对处理后的二值图像进行相似性匹配。智能广告监播系统应用实验表明该方法不仅简单,而且能满足匹配速率和匹配率上的需求。     

An effective method for detecting facial features and face in human-robot interaction

In this paper, an effective method of facial features detection is proposed for human-robot interaction (HRI). Considering the mobility of mobile robot, it is inevitable that any vision system for a mobile robot is bound to be faced with various imaging conditions such as pose variations, illumination changes, and cluttered backgrounds. To detecting face correctly under such difficult conditions, we focus on the local intensity pattern of the facial features. The characteristics of relatively dark and directionally different pattern can provide robust clues for detecting facial features. Based on this observation, we suggest a new directional template for detecting the major facial features, namely the two eyes and the mouth. By applying this template to a facial image, we can make a new convolved image, which we refer to as the edge-like blob map. One distinctive characteristic of this map image is that it provides the local and directional convolution values for each image pixel, which makes it easier to construct the candidate blobs of the major facial features without the information of facial boundary. Then, these candidates are filtered using the conditions associated with the spatial relationship of the two eyes and the mouth, and the face detection process is completed by applying appearance-based facial templates to the refined facial features. The overall detection results obtained with various color images and gray-level face database images demonstrate the usefulness of the proposed method in HRI applications.