在人脸图像中确定嘴巴位置的方法

利用迭代式阈值选择算法在人脸的下半区域进行阈值化处理,无需人工干预就可得到嘴巴鼻子等区域,且很好地改进了传统的二值化方法所造成的嘴部轮廓不清晰、连通性不好等缺陷;用腐蚀膨胀算法去掉较小的噪声点,用最小外接矩形近似表示各个连通区域的形状,根据嘴巴形状大小的先验知识确定嘴巴所在的连通区域;用嘴巴连通区域的质心表示嘴巴中心,利用Harris角点检测算法在原灰度图像的嘴巴区域中找到两个嘴角。实验结果表明,本文算法具有较快的速度和较高的精度。     

改进的基于色彩信息的人脸快速定位算法

研究提出了一种改进的基于色彩信息的人脸检测算法.在优化了传统的肤色分割算法的基础上,改进了针对眼睛和嘴巴区域的检测,并借助一定的先验知识简化了检测的步骤,提高了检测精度,最后在肤色区域内通过检测出的特征点定位出人脸.实验表明,该算法简单有效,能够较为准确的定位人脸区域.尤其对于需要快速定位人脸的研究有着一定的参考价值.     

图像中人眼检测技术综述*

对在已知人脸区域中检测人眼的方法进行综述,将其分为常光源下的人眼检测和特种光源的人眼检测两大类。较为全面地综述了当前国内外相关眼睛检测以及定位技术,分析了各种方法的优缺点,探讨了当前困扰人眼检测技术的难点以及人眼检测技术的发展趋势。     

一种新的图像中的人眼检测算法*

提出了一种新的图像中人眼检测算法,在一幅已知的人脸图像中首先采用同态滤波算法增强图像的对比度,然后利用迭代式阈值选择法对图像进行二值化处理,根据传统的先验知识获得眼睛的候选区域。根据眼睛的构造提出了一种基于最小外接矩形的自定义模板来实现眼睛的最终定位并利用区域质心标定出了眼睛区域的中心位置。实验证明,本算法简单实用,能够有效地实施人眼的检测,具有较高的检测精度。     

一种基于Harris角点检测的快速瞳孔定位方法

提出了一种基于灰度投影曲线和Harris角点检测进行人眼定位的新算法.首先利用原图的垂直灰度投影曲线确定人脸的左右边界,然后利用人脸区域的水平灰度投影确定头顶至鼻子中部的上下边界,最后利用Harris角点检测算法快速定位瞳孔,精确定位人眼的位置.文章算法成功地将Harris角点检测算法应用到瞳孔定位中,实验结果表明,该算法不受眉毛的干扰,具有较小的运算量和较高的处理速度,而且定位准确,准确率较高,很好地解决了简单背景下人眼的快速定位问题.     

一种新的图像中的人脸区域分割算法

人脸区域分割对于人脸信息处理研究有着非常重要的意义,既可以直接用于在图像中寻找人脸,又可以作为眼睛、嘴巴等人脸重要特征检测的前序研究。因此,提出了一种新的图像中实施人脸区域分割的算法。首先,利用同态滤波改善图像的光照条件并增强图像的对比度;然后,利用迭代式阈值选择算法对图像进行二值化并增强图像的对比度。在二值图像中依据一定的约束条件找到候选人脸并标定,然后搜寻二值图像中的"空洞"区域,如果"空洞"位置恰好呈倒锐角三角形分布,且位于候选人脸区域内,则证明此候选区域即为人脸区域。实验证明,该算法简单实用,而且很好地避免了光照影响,检测精度较高。