基于Gabor滤波的人眼定位算法

人眼定位对人脸识别系统识别率的提高有重要的意义和影响.以往的人眼定位算法容易受到非均匀光照以及噪声的影响.本文针对以往算法的缺陷,提出一种新的人眼定位算法.该算法通过竖直梯度图像和Gabor小波提取人眼区域,并提出了投影增强算法提高人眼区域提取的准确性.实验证明,该算法能够精确地定位人眼,能够克服非均匀光照、噪声以及饰件对人眼定位的影响,并对各种脸部姿势变化有较强的适应性.     

用于驾驶疲劳检测的人眼定位及状态判别算法

基于驾驶疲劳研究中的视频图像,提出一种新的适用于驾驶疲劳检测的人眼定位及状态判别算法。定位算法利用Gabor小波变换对图像进行预处理,提取基于图像的地形图特征,并利用支持向量机的方法对候选特征区域进行验证,然后在定位区域对人眼状态进行判断。经实验验证,该方法可以定位睁眼及闭眼图像,并可以定性和定量判断人眼状态。采用该方法获得的人眼状态信息将为后续的驾驶疲劳分析提供重要的数据。     

一种由粗到精的人眼定位方法

为提高人眼定位算法的实时性和抗噪性，提出了一种基于眉眼区域内“凹陷”地形特征点检测和人眼方差滤波器的人眼定位方 法(GPL)。该方法利用Gabor小波变换和直接提取“凹陷”地形特征点技术，在眉眼区域内搜索眼睛候选点，并且利用构造的人眼方差滤波器精确定位人眼。在有噪声和无噪声的人脸图像上进行了比较仿真试验。结果表明，与纯粹基于地形特征匹配的人眼定位算法相比，GPL在定位实时性、准确性和抗噪性方面都有显著提高。     

复杂背景下的多姿态人眼定位

针对彩色图像中人脸在复杂背景及多姿态下眼睛定位困难的情况,提出了一种基于肤色分割与Gabor滤波的人眼定位方法。首先采用粒子群算法优化改进的最大类间方差(Otsu)对图像进行肤色分割,找到人脸的候选区域;然后构造Gabor滤波器对候选区域进行滤波;最后经过灰度投影得到眼睛的精确位置。仿真结果表明,该分割算法在复杂背景和多姿态情况下的人眼定位中有明显优势,对于现实环境中的人脸识别有重要意义。     

基于多尺度自商图和改进积分投影法的人眼定位

针对传统的投影方法在人眼定位时易受光照干扰以及难以获得精准的人眼中心点的问题,提出一种基于多尺度自商图和改进的积分投影法的人眼定位算法.首先利用多尺度自商图消除人脸图像的光照影响;然后分析眼睛在水平方向上灰度分布的特点,采用两个行梯度算子对积分投影法进行了改进,以提升眼睛区域特征并初步定位人眼区域;接着采用Sobel算子对人眼区域进行滤波得到人眼滤波图,并对人眼滤波图的垂直积分投影曲线进行高斯函数拟合,根据拟合结果分割出左眼窗口和右眼窗口;最后,计算左眼窗口和右眼窗口的尺寸,获取左眼窗口和右眼窗口的中心点,即为人眼中心点.在YaleB人脸数据库和JAFFE人脸数据库上测试表明,本文方法对复杂光照、人脸边缘以及人脸表情适应性强,可以获得较为精准的人眼中心点.     

基于各向异性滤波的人眼定位方法*

通过分析在光照变化条件下现有的一些眼睛定位算法的不足,提出一种基于各向异性滤波的人眼定位方法。利用各向异性低通滤波器对输入图像进行滤波消除光照的影响,利用多结构形态学开闭运算突出眼睛区域特征,并采用相关系数法获得眼睛粗定位,最后使用眼睛精确算法校正眼睛的位置。实验结果表明,该算法对光照变化不敏感,定位准确率更高。     

基于Hough变换圆检测的人眼精确定位方法

眼睛定位是人脸识别的非常重要的一个环节,后续的图像几何归一化、图像矫正和特征提取都依赖于眼睛的位置。论文提出一种人眼快速定位的新方法。首先用积分投影法检测到眼睛瞳孔的大致位置;然后用Sobel边缘检测算子提取图像边缘信息;再利用基于圆的Hough变换快速定位出人眼,实验证明了该方法的有效性。     

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.     

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。     

基于环形对称Gabor变换和PCA加权的人脸识别算法

环形对称Gabor变换不但具有Gabor小波的一般特性,而且具有信息冗余度小、严格的旋转不变性等优点.文中提出一种基于环形对称Gabor变换和PCA加权特征的人脸识别算法.首先将人脸图像变换到环形对称Gabor变换域,然后在变换域采用PCA加权方法提取分类特征.在3个人脸库上进行实验,与传统人脸识别算法的对比实验说明该算法的可行性和对光照、姿态变化具有更好的鲁棒性.     

基于局部Gabor变化直方图序列的人脸描述与识别

提出了一种在Gabor变换幅值域内提取局部变化模式空间直方图序列(histogram sequence of local Gabor binary patterns,简称HSLGBP)的人脸描述及其识别方法.鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域得到成功应用,首先对归一化的人脸图像进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(Gabor magnitude map,简称GMM),然后在每个GMM上采用局部二值模式(local binary pattern,简称LBP)算子抽取局部邻域关系模式,最后由这些模式的区域直方图形成的序列来描述人脸.Gabor变换、LBP、空间区域直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性.而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题.同时,进一步探讨了如何在分类器设计阶段与统计方法进行结合的问题,提出了统计Fisher加权的HSLGBP匹配方法.在通过FERET人脸库光照、表情和时间变化测试集上与已发表的实验结果进行对比,充分验证了该方法的有效性.     

A novel illumination-robust face recognition using statistical and non-statistical method

This paper proposes a novel illumination-robust face recognition technique that combines the statistical global illumination transformation and the non-statistical local face representation methods. When a new face image with arbitrary illumination is given, it is transformed into a number of face images exhibiting different illuminations using a statistical bilinear model-based indirect illumination transformation. Each illumination transformed image is then represented by a histogram sequence that concatenates the histograms of the non-statistical multi-resolution uniform local Gabor binary patterns (MULGBP) for all the local regions. This is facilitated by dividing the input image into several regular local regions, converting each local region using several Gabor filters, and converting each Gabor filtered region image into multi-resolution local binary patterns (MULBP). Finally, face recognition is performed by a simple histogram matching process. Experimental results demonstrate that the proposed face recognition method is highly robust to illumination variation as exhibited in the real environment.     

Gabor相位特征的人脸光照不变量提取

为了消除光照变化对人脸识别的影响,提出一种基于Gabor相位特征的光照不变量提取算法。该算法首先对图像进行光照归一化,一定程度上减弱了不同光照条件的影响;然后利用一组不同方向的2维实Gabor小波对图像进行变换,在兼顾频谱与相位信息的情况下组合变换后的Gabor系数,提取其相位特征,得到光照不变量。在Yale B和CMU PIE人脸库上的实验结果表明,该算法能够有效消除光照变化对人脸识别的影响,提取的光照不变量具有一定的鲁棒性。     

基于多级Gabor变换序列特征的人脸识别

鉴于Gabor特征对光照、表情等变化具有鲁棒性,在寻找局部细节特征和全局轮廓特征的描述方面,提出一种基于多级局部多通道Gabor变换序列特征的人脸描述与识别方法。对人脸图像进行多级分块和对局部子块进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(LGMM),将各级子图像的图谱LGMM进行连接后形成多级Gabor幅值域图谱,使用径向基网络对特征进行识别。对人脸库ORL和YEL的识别实验进行对比,结果验证了该方法的有效性。     

人眼检测及瞳孔定位

提出一种自动定位瞳孔的方法。该方法利用人眼在人脸的位置分布设置人眼的搜索区域,通过Adaboost(The Adaptive Boosting Algorithm)算法搜索先前设置好的区域,可以得到人眼所在粗略位置,利用图像二值化和Canny算法提取图像轮廓,通过对提取的轮廓进行椭圆拟合即可得到人的眼球中心坐标,即瞳孔的位置。实验结果表明该方法能准确定位瞳孔,对光照、姿态具有一定的鲁棒性。     

Improved Face Representation by Nonuniform Multilevel Selection of Gabor Convolution Features

Gabor wavelets are widely employed in face representation to decompose face images into their spatial-frequency domains. The Gabor wavelet transform, however, introduces very high dimensional data. To reduce this dimensionality, uniform sampling of Gabor features has traditionally been used. Since uniform sampling equally treats all the features, it can lead to a loss of important features while retaining trivial ones. In this paper, we propose a new face representation method that employs nonuniform multilevel selection of Gabor features. The proposed method is based on the local statistics of the Gabor features and is implemented using a coarse-to-fine hierarchical strategy. Gabor features that correspond to important face regions are automatically selected and sampled finer than other features. The nonuniformly extracted Gabor features are then classified using principal component analysis and/or linear discriminant analysis for the purpose of face recognition. To verify the effectiveness of the proposed method, experiments have been conducted on benchmark face image databases where the images vary in illumination, expression, pose, and scale. Compared with the methods that use the original gray-scale image with 4096-dimensional data and uniform sampling with 2560-dimensional data, the proposed method results in a significantly higher recognition rate, with a substantial lower dimension of around 700. The experimental results also show that the proposed method works well not only when multiple sample images are available for training but also when only one sample image is available for each person. The proposed face representation method has the advantages of low complexity, low dimensionality, and high discriminance.     

基于多尺度分析的人脸识别比较研究

在分析Gabor小波的基础上,提出了一种变采样率Gabor小波的方法,与传统的Gabor小波相比,其识别效果得到大幅提高。该方法采用Curvelet、Log-Gabor小波和Contourlet三种方法结合主分量分析应用于人脸识别。对比实验结果表明,针对表情变化,Curvelet变换不仅识别性能最佳、速度也最快;而针对光照变化,Contourlet综合性能最好,对光照变化具有较强的鲁棒性。综合而言,使用Contourlet变换对图像进行特征提取效果非常好,它能很好地表达人脸的主要信息,是对人脸图像的一种稀疏的、有效的表达。     

基于Gabor小波变换与分块PCA的人脸识别

由于Gabor小波描述的人脸特征维数太高,直接将Gabor小波提取的特征进行识别时出现计算量大、实时性差的问题,提出了基于Gabor小波变换与分块主分量分析的人脸识别新算法。首先对人脸图像进行Gabor小波变换得到人脸图像特征,然后用分块主分量分析方法对其进行降维、提取特征向量,最后用最近邻分类器分类识别。在ORL和NUST603人脸库上进行实验,结果表明,该方法的识别率优于传统PCA、分块PCA、Gabor小波变换与PCA结合的方法。     

基于Gabor小波变换和支持向量机的人脸识别

将Gabor小波变换和支持向量机分类方法结合起来进行人脸识别。通过由Gabor小波变换系数表示的若干个人脸模板和人脸图像之间的匹配来确定特征点的近似位置；在所有的特征点位置计算Gabor小波变换系数并将其串联成表示人脸图像的向量；采用一种层次分解的支持向量机二叉决策树进行分类识别。实验结果表明了该方法的可行性。