基于CCA的人耳和侧面人脸特征融合的身份识别*

鉴于人耳和人脸特殊的生理位置关系,从非打扰识别的角度出发,提出仅采集侧面人脸图像,利用典型相关分析的思想提取人耳和侧面人脸的关联特征,进行人耳和侧面人脸在特征层的融合.实验结果表明,此方法与单一的人耳或侧面人脸特征识别比较,识别率得到提高.     

遮挡人脸表情图像预处理研究进展

对遮挡表情图像的传统预处理、基于重要区域的预处理、基于图像重构和基于深度学习的预处理方法进行总结,阐述了各类方法的基本原理,介绍了常用的表情数据集及其特点,讨论了现阶段存在的问题和未来的研究方向.     

除氟剂在煤化工污水处理中的应用

河南晋煤天庆煤化工有限责任公司“30·52·3”项目(300kt/a合成氨、520kt/a尿素、3×10⁸m³/a煤制天然气)污水处理系统采用二级好氧曝气生化处理工艺,处理后的废水达到河南省《合成氨工业水污染物排放标准》(DB41/538—2008)一级排放标准,但2019年9月中水回用系统改造投用后,因氟化物在中水回用系统中无法脱除而逐渐循环累积,导致排放至下游污水处理厂排水中的氟化物含量高达20~40mg/L,严重超标,已不能满足当前的环保要求。经对周边煤化工企业废水除氟工艺进行详细考察与分析,决定先采用混凝沉淀法(药剂配方以除氟药剂为主、PAM+液碱为辅)去除污水中的氟化物,并通过现场反复小样药剂试验、加药位置和加药量调整、更换PAM阳性剂为阴性剂、工艺运行条件优化调整等一系列运行试验,初步实现排放水中氟化物含量控制在2~5mg/L(限期整改减排指标)并保持稳定的目标,初步解决了煤化工排放污水氟化物含量超标的问题,后续再建项目实施“汽提煤气水”的深度脱氟,就可彻底解决煤化工含氟污水的达标排放问题。     

基于微信小程序的人体尺寸测量系统

针对传统人体尺寸测量方法不能够实现远程、便捷式测量的问题,提出了一种基于微信小程序的人体尺寸测量系统应用于远程服装定制,设计开发微信小程序设置特定的轮廓获取含有3种姿态的人体图像数据集,采用u-net网络框架进行训练,提取人体轮廓特征图,经过openpose人体姿态估计算法定位人体骨节关键点,提取人体关键部位提取特征点,利用身高比例法、双椭圆模型拟合人体尺寸信息通过微信小程序反馈给用户.以手工测量为标准,人体尺寸测量中二维尺寸测量准确率达97.8％,三维尺寸准确率达89.5％,最终平均总误差为3.19％.实验表明,基于微信小程序的人体尺寸测量系统能够实现便捷式的人体尺寸测量及远程服装定制.     

基于协方差特征的裁剪AdaBoost算法

针对Haar-like特征的缺陷以及AdaBoost算法存在训练耗时的问题,提出一种基于协方差特征的改进AdaBoost人脸检测算法。该方法用协方差特征代替Haar-like特征进行特征提取;然后使用特征裁剪和动态权重裁剪相结合的裁剪AdaBoost算法,训练得到基于协方差特征的强分类器。实验结果表明,相对于基于Haar-like特征的AdaBoost算法,该算法性能没有明显退化且很大程度上提高了训练速度。     

改进单尺度Retinex的复杂光照人脸识别算法

在光照复杂条件下人脸识别性能明显下降。针对单尺度Retinex算法易产生"光晕"现象,提出一种改进单尺度Retinex算法的复杂光照人脸识别方法(ISSR)。首先利用拉普拉斯梯度算子增强光照人脸图像的边缘信息,然后在单尺度Retinex算法的基础引入符合人眼视觉特性的中心自适应调节拟合函数,以增强图像各个颜色分量,提高人脸图像对比度,最后采用Yale B和CMU-PIE人脸库进行仿真测试。结果表明,ISSR算法增强了人脸图像的对比度,改善了人脸图像的视觉效果,有助于提高人脸图像识别率和识别速度,能满足复杂光照条件下的人脸识别要求。     

基于分类外形搜索的人脸特征点定位

针对传统由粗糙到精准的人脸外形搜索方法,其每一次外形搜索需要在整个外形搜索空间进行,提出一种基于分类的外形搜索方法。该方法始于一个包含不同人脸形状的外形搜索空间,首先利用基于相关性的特征选择方法对随机森林分类器进行优化,利用训练的随机森林分类器将外形搜索空间分为若干个外形搜索子空间;然后根据输入样本和随机森林分类器确定与当前外形最接近的外形搜索子空间,并计算对应子空间的中心和对应样本的后验概率分布,方便后续阶段更好地进行外形搜索;最后采用级联回归进行人脸特征点定位。在300-W数据集上的实验结果表明,此方法不仅有效降低了外形搜索的时间,同时在无约束环境中具有良好的鲁棒性。     

一种基于HSV颜色分割和模糊级联分类器的人脸检测技术

在复杂背景下的人脸检测技术是当今智能视觉技术中的一项难题。为了提高人脸检测的精度和实时性,降低误检率,基于HSV模型和模糊级联分类器对复杂背景中的人脸检测技术进行研究。首先在HSV模型中对图像进行选择性光线补偿,然后对图像在HSV模型中进行分割,接着用图形学的方法去噪,再将连通的肤色区域构建肤色团块,并且利用人脸的脸部比例特征来剔除不相符的人脸团块,最后利用模糊级联分类器对肤色团块检测人脸。该算法的误检率和漏检率分别为0.1%和5.9%,检测的准确率可以达到94.1%,并且有效提高了检测速度,具有一定的实用价值。实验结果表明,基于HSV肤色检测和模糊级联分类器的算法能更好地处理人脸在较差光线和有阴影干扰的环境下的检测。