面向人脸识别的分块自适应光照处理算法

为改善复杂光照条件下的人脸识别率急剧下降问题,提出一种基于双标准图的分块自适应Gamma算法(DRHGIC)。首先根据人脸光照分布特点,将人脸进行分块,然后对不同的块采用基于双标准图的方法搜索最优Gamma值,最后对人脸图片进行自适应Gamma变换。实验证明,该算法能够有效的提高复杂光照条件下的人脸识别率。     

几何性特征的眉毛模型的研究

提出一种新的基于几何性特征的眉毛模型,相比传统的基于眉毛的全局数学特征建立的眉毛模型,它可以直观地描述和反映眉毛的几何外观形状,这种特性在人脸识别等基于面部视觉特征的应用是关键的.首先获取人脸单边眉毛图像并统一归一化尺寸为80×30的大小,使用阈值化和Blob分析得到眉毛归一化的二值图像,然后由二值图像计算眉毛模型的几何参数,包括眉毛区域的面积、长度、平均宽度、弯曲程度和走向趋势等.实验表明,提出的眉毛模型可以准确有效地描述眉毛的几何外观形状.     

基于事件分析的多摄像机鲁棒跟踪算法

提出了一种新的基于事件分析的目标跟踪算法来解决多个目标分离或遮挡时的可靠跟踪问题.首先提出使用仿射变换来获得多个摄像机之间重叠画面的映射关系,实现目标交接,为后面的目标识别奠定基础.然后当单摄像机目标跟踪过程中发生候选目标多于一个或者多个目标对应一个候选目标的情况时,提出一种判别目标出现遮挡事件或分离事件的新方法,并且通过多摄像机的目标交接准确识别出发生遮挡或分离事件的目标标号,解决目标发生遮挡或分离后跟踪失败的问题.实验结果证明:所提出的方法突破了一般跟踪算法受目标底层特征约束的难点,具有更高的鲁棒性.