复杂背景下人眼定位及人脸检测

人眼定位和人脸检测是人脸识别的重要环节，复杂背景下，人眼定位及人脸检测容易受到光照以及其它物体的影响。在没有检测到人脸的情况下，对原始图像用sobel算子得到灰度边缘图像，进而得到边缘灰度加强图像，估算分割双眼的阈值范围。对边缘灰度加强图像二值化后，结合人脸的几何特征以及双眼的二维相关系数自动确定双眼候选点，利用人脸模板检验双眼及人脸的真实性。大量实验结果表明，该算法在复杂背景下进行人眼定位及人脸检测是有效的。     

基于灰度和小波变换的人眼特征提取

人脸检测在现今社会中具有巨大的应用意义,它是视频监测、人机交互、人脸识别等工作的基础。而人眼的准确提取是人脸检测中的关键步骤,提出了融合图像灰度和小波信息提取人眼特征的算法。实验表明,该算法具有较高的检测率,能够满足复杂背景图像中人脸检测的需要。     

基于灰度信息的人脸检测系统

提出了一种基于人眼灰度信息的人脸识别算法。该算法首先根据眼球区域的灰度比它周围区域的灰度低,初步地筛选出可能含有人脸的图像,再把筛选出的图像分割成小图像块,根据图像块的复杂度对人两只眼睛的大概位置进行定位,最后采用居中法,进一步确定人眼的存在,进而确定人脸的确切位置。实验结果表明,文中提出的算法具有较高的检测正确率,同时具有较快的检测速度。     

基于灰度信息的人脸检测系统

提出了一种基于人眼灰度信息的人脸识别算法.该算法首先根据眼球区域的灰度比它周围区域的灰度低,初步地筛选出可能含有人脸的图像,再把筛选出的图像分割成小图像块,根据图像块的复杂度对人两只眼睛的大概位置进行定位,最后采用居中法,进一步确定人眼的存在,进而确定人脸的确切位置.实验结果表明,文中提出的算法具有较高的检测正确率,同时具有较快的检测速度.     

基于灰度信息和瞳孔滤波器的人眼定位算法

提出一种新的人眼定位方法,首先用Adaboost算法检测人脸区域,经过归一化和预处理后截取出人眼检测窗,然后利用眼眉的灰度信息确定人眼的大致位置,再利用瞳孔滤波器以精确定位。该方法解决了将眼睛错误定位到眉毛的问题,速度快而且定位准确。实验结果表明,无论是用于背景复杂的静态图像还是实时人脸检测系统,该算法都能取得很好的定位效果。     

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.     

基于复杂度和最佳阈值的人眼定位方法

人眼定位方法的研究目前已经成为人脸识别智能化中的重要研究内容。提出了一种无需先确定人脸位置,而在有背景灰度人脸图像中直接检测与定位人眼的新算法。利用复杂度的原理,对人脸图像中眼睛位置进行快速定位,剪切眼睛区域的图像块;再利用图像分割的原理,自动寻找最佳阈值,提取眼睛的边缘;进行形态学操作,排除非人眼的图像块,从而正确定位眼睛的位置。该方法能较大提高人眼定位的计算速度,适用于实时性要求较高的场合。仿真实验验证了该算法的有效性和稳定性。     

基于Adaboost算法的人眼定位

提出一种新型的基于Adaboost人眼定位算法。该算法首先使用基于Harr特征和Ad—ab00St算法的人脸检测方法寻找人脸候选区域。并对候选区域进行归一化处理。然后使用基于Harr特征和Adaboost算法进行人眼定位。为了减少左右眼差异带来的影响,使用左眼检测器和右眼检测器。实验表明,这种方法具有准确性高和速度快的特点,达到实时人脸检测的性能要求。     

基于彩色分割和特征定位的实时人脸检测算法

论文提出了一种新的彩色人脸图像实时检测算法。该算法利用皮肤颜色在YCbCr彩色空间的分布特性进行人脸皮肤区域的分割,利用人脸特征在灰度图像灰度映射极小值特性进行人脸特征定位。实验证明该算法对彩色人脸图像的检测有很好效果。     

基于肤色和几何关系的人眼快速定位方法

人眼检测是人脸检测与识别、驾驶员行为分析或MPEG4压缩中的关键技术,为了提高处理速度和检测结果的鲁棒性,提出了一种基于肤色检测和几何特征人眼快速定位方法;通过比较,选用YIQ空间和KL变换联合的方法检测肤色区域,然后运用面积阈值检测出备选人脸区域,并在备选人脸区域中通过灰度特征确定人脸特征区域的位置,并根据人眼的几何位置关系检测出其大致位置;通过对称性和相似性校验所得位置是否为真正的人眼位置,最后运用Hough变换确定人眼瞳孔中心的精确位置;试验表明,该方法操作简单,速度较快,能满足实时处理的要求,对不同的光照条件、姿态以及干扰背景具有较强的适应性。     

基于肤色检测和人眼定位的人脸检测方法

提出了一种基于肤色检测和人眼定位的人脸检测方法。使用基于“基准白色”的色彩平衡方法归一化彩色图像,将图像在HSV空间进行肤色分割,确定候选人脸,采用形态学滤波器对其降噪。在获得虹膜位置的基础上,使用Susan算子定位两个眼角点,从而实现眼睛的精确定位。实验证明提出的方法能够很好的检测人脸、定位人眼,尤其对存在人脸旋转和光照异常的人脸图像有很高的精确度和鲁棒性.     

一种基于特征模型的人脸检测方法

特征提取是基于特征的人脸检测的关键。提出了一种利用眼睛和鼻子的灰度特征和几何特征的人脸检测方法。选取眼睛和鼻子作为特征点,构造一个三角的特征模型。另外,此方法对候选特征图像采用逐步改变分块大小的方法进行搜索,得到独立的特征点,并利用人脸结构特点的先验知识建立模型的搜索策略。实验证明,此方法能迅速准确的从复杂背景中检测出人脸,而且对多人脸同样有效。     

一种快速而精确的多人脸检测与定位算法

根据由粗到精的思路，综合利用了眼睛器官的特征、人脸模板以及基于人脸区域象素分布的统计信息等线索．首先用基于AdaBoost学习算法的级联模型发现可疑人脸区域，然后在可疑人脸区域内发现可疑眼睛区域并组合可疑眼睛区域对得到候选人脸区域，最后用人脸模板验证候选人脸区域，精化人脸定位．实验表明．本算法能快速而精确地实现多人脸检测与定位，且对彩色图像和灰度图像都适用．     

基于眼睛梯度对特征的人脸检测方法

该文提出了一种利用眼睛灰度变化梯度对特征来检测人脸的方法。在分析人脸图像中发现,眼球的灰度级较低,而眼球周围白色区域的灰度级较高,两个区域在其交界处灰度级产生强烈突变。该文利用图像灰度变化梯度值构造梯度和特性值,通过寻找相等的梯度和特性值来实现从图像中找出对应眼睛的位置,定位可能的人脸区域,再计算其对称性后确定人脸特征的存在,更进一步验证检测的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。     

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。     

卷积神经网络的人脸隐私保护识别

目的 近年来，随着人脸识别认证技术的发展及逐渐普及，大量人脸照片存放在第三方服务器上的现象十分普遍，如何对人脸进行隐私保护这个问题变得十分突出。方法 首先对人脸图像进行预处理，然后采用Arnold变换对人脸关键部位进行分块随机置乱，并将置乱结果图输入到深度卷积神经网络中。为了解决人脸照片在分块置乱时由于本身拍照角度的原因导致的分块不均等因素，在预处理时根据人眼进行特性点定位，再据此进行对齐处理，使得预处理后的照片人眼处于同一水平线。针对人脸隐私保护及加扰置乱后图像的识别，本文提出了基于分块随机加扰的深度卷积神经网络模型。不包含附加层，该模型网络结构由4个卷积层、3个池化层、1个全连接层和1个softmax回归层组成。服务器端通过深度神经网络模型直接对置乱后人脸图像进行验证识别。结果 该算法使服务器端全程不存储原始人脸模板，实现了对原始人脸图像的有效加扰保护。实验采用该T深度卷积神经网络对处理过后的ORL人脸库进行识别，最终识别准确率达到97.62%。同时通过多组对比实验，验证了本文方法的有效性。结论 与其他文献中手工提取特征并利用决策树和随机森林进行训练识别的方法相比，本文方法减少了人工提取特征的工作量，且具有高识别率。     

非学习模式下的类Haar特征快速人眼定位

本文研宄非学习模式下的快速人眼定位算法.首先,在己检出的人脸区域中,根据人脸几何特征的先验信息,设置一定的人眼候选区域,通过高斯差分滤波消除光照影响.其次,定义一种类Haar的特征作用于二值化后的图像,在人眼候选区域计算该特征的评价值获得精确的人眼位置,实现人眼的快速搜索定位.该算法的处理方法简单快速,并且对于眼镜、眉毛以及发髻的干扰都有一定的鲁棒性.算法通过人脸几何先验知识,减少了训练和学习过程.实验结果表明,该算法能够快速准确实时地完成眼睛的定位,为后续的人脸识别提供必要的前提条件.     

基于混合投影函数的眼睛定位

介绍一种精确定位眼睛的方法.眼睛定位是很多人脸检测算法的关键步骤.在获得眼睛窗口之后,可以利用投影方法来定位眼睛.提出一种混合投影函数,该函数结合了积分投影函数和方差投影函数,能够反映出图像在某个方向上灰度均值和方差的综合变化情况.实验结果表明,利用混合投影函数可以相当精确地确定眼睛中心的位置.     

人脸的层次化描述模型及识别研究

人脸自动识别是一个困难但有重要意义的工作。文中提出了一种基于人脸层次化描述的识别方法。该方法首先对人脸进行快速准确的特征定位及标准化,然后采用主元分析神经网络分别对定位的人脸及其特征区域进行最佳特征提取,从而得到人脸在低分辨率和较高分辨率上的两层特征描述用以识别,具有识别率高、特征数据量适中、可用于大量人像识别等特点。此方法在１３００幅人像上进行了测试,结果表明其在人脸转动、表情变化或入脸未经训练     

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.