单灰度图像中眼睛定位的人脸位置矫正算法

人脸位置的矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，用居中度使图像小块居中，用匹配度求取适些小图像块中的两块眼睛的小块，再在小范围内对鼻子、嘴巴部分进行水平灰度投影，然后进行扶正。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。     

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。     

基于块的眼睛定位方法

为了能更加有效快速地进行眼睛定位,提出了一种基于块(based on blocks)的眼睛定位新算法,该算法首先将图像二值化并划分为块,然后利用两只眼睛的相似性和眼睛对的唯一性将一系列的图像块进行匹配,并以此确定一对眼睛的位置。由于该新算法利用了两眼睛固有的位置关系与相互间的相似性,将两眼睛成对考虑,所以能检测各种角度(平面旋转)人脸的眼睛,并可得到较高的检测准确率。此外,实验显示该算法在一定程度上还能适应不同光照条件和表情变化。大量人脸图片上的实验结果表明,该算法可以可靠?快速地定位眼睛。     

一种快速的自动人眼定位方法

眼睛定位是人脸生物特征识别的重要组成部分。提出了一种快速、高效的人眼定位方法,该方法先用基于Haar-like特征的AdaBoost级联分类器检测出人脸块,粗定位左、右眉眼区域,采用改进的灰度投影法分别将两块区域中的眉毛部分分离掉,最后分别将左右眼区域分割成若干小图像块,联合图像块灰度均值、复杂度和结构居中度等信息精确定位人眼。该方法在中科院人脸库CAS-PEAL的Normal子库上表现优异,取得了约99%的定位正确率。实验结果表明,该方法速度快,定位效果好。     

一种在红外图像中定位人眼的方法

提出了一种新型快速的在红外图像中进行眼睛定位的方法.该方法由两部分组成:首先,通过同态滤波增强图像的对比度,使用改进的迭代阈值算法和积分投影函数获取人脸,根据人眼和人脸的几何特征,获取大致的人眼区域;其次,通过自适应中值滤波算法和迭代阈值法获取最小人眼块,利用最小人眼块的质心和积分投影最终准确定位眼睛.实验表明:所提出的算法是快速和可靠的.     

多角度视线上的人眼定位算法

眼睛包含了多种重要的信息,眼睛定位在人脸检测及人脸识别技术中有着极其重要的实用价值。但传统的基于几何特征的眼睛定位方法在多角度视线方向上存在着不同程度的定位不够准确或计算量大的缺点,文章提出了一种多角度视线方向上的眼睛定位方法。在初步定位人脸区域后,采用主成分分析(Principal Component Analysis,PCA)方法在人脸的上半部分计算眼睛的位置。实验证明了算法的有效性。     

基于Adaboost算法的人脸疲劳检测

眼睛状态是人体疲劳最主要和最明显的特征.本文采用肤色和Adaboost方法相结合来进行人脸检测,并在此基础上结合人脸结构的边缘特征及Adaboost方法对眼睛进行精确定位,运用自适应二值化和数学形态学的方法对检测出的图像进行处理提取眼睛状态特征,结合PERCLOS规则及点头率来进行疲劳状态的判定,实验表明,该方法鲁棒性强,速度快,满足人脸疲劳检测的实时性要求.     

人脸检测中眼睛精确定位的研究

人脸检测在许多应用中都是重要的一个处理阶段,例如人脸识别、电视会议、人机界面等。眼睛是一个在人脸检测中极为重要的人脸特征,因此一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。该文提出了一种新颖的精确定位眼睛的方法,该方法由两部分组成:第一部分,通过人脸区域分割、五官定位、人脸确认三个步骤在复杂背景中进行人脸区域的检测;第二部分,在检测到人脸区域和眼睛大致位置的基础上,用一种新的椭圆检测算法精确定位眼睛虹膜的位置。实验证明该文所提出的算法是快速可靠的。     

基于肤色的人脸眼部区域图像自动分割方法*

眼睛是人脸特征最主要的构成部分。基于眼部特征的人脸检索不仅可以提高人脸识别和检测的速度,而且能够降低识别算法的复杂度。要提取眼睛特征,首先要检测眼睛并提取眼睛区域图像,本文选择了一种基于肤色的人脸眼部区域图像自动分割方法。直接对彩色人脸图像利用YCbCr空间下肤色的色度与亮度的相关性将眼睛位置定位出来,再根据眼睛位置分割得到人脸眼部区域的带状图像。通过对图像库中的1000幅彩色人脸图像进行试验检测表明,计算机分割一张图像眼部区域的平均时间为1.785s,对图像库中人脸眼部区域图像分割提取的成功率为99.37%。     

一种基于肤色模型和眼睛定位的人脸检测方法

提出了一种基于肤色模型和眼睛定位的人脸检测方法。首先利用肤色模型和掩膜进行粗定位,确定人脸可能区域,然后通过基于方向模板的眼睛定位进行人脸存在的确认和精确定位。实验证明了该方法对于复杂背景下人脸检测的有效性。     

复杂背景基于肤色的人脸检测

本文针对复杂背景的彩色静止图像的人脸检测提出了一种基于肤色检测和分块面部特验证方法,。先在类肤色区域内提取出面部特征,然后用分块验证的方法来确定人脸。本算法可以快速检测不同大小,不同平面及一定侧面旋转角度的人脸,而且可以适应一定程度的表情变化。     

一种基于Haar小波变换的彩色图像人脸检测方法

本文提出了一种基于Haar小波变换的彩色图像人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;利用Adaboost算法训练出的基于Haar小波变换的检测器对该区域进行人脸检测;建立眼睛颜色模型,并根据眼睛!嘴在不同分量上的分布特征,将它们从人脸区域中提取出来;最后融合眼睛!嘴候选区域的信息,利用特征不变的方法进行眼睛和嘴的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼!嘴的位置。     

基于轮廓信息的人脸检测

针对彩色图像提出了一种基于肤色模型、脸部轮廓信息以及眼睛特征的人脸检测算法。采用基于YCbCr色彩空间的肤色分割模型,初步筛选人脸的候选区域;在此基础上进行边缘检测,获得人脸轮廓信息,并利用遗传算法拟合脸部的椭圆;在椭圆的水平方向根据眼睛的几何特征来检测“眼睛对”,再根据“三停五眼”来定位人脸,并利用左右对称性验证人脸。实验表明,该算法对于彩色图像的正面人脸检测具有良好的效果。     

一种基于多分量信息融合的人脸检测方法

人脸检测是全自动人脸识别系统和许多监视系统的基础,在许多领域有着广泛的应用。文章提出了一种基于多分量信息融合的人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;建立眼睛颜色模型,并根据眼睛﹑嘴在不同分量上的分布特征,将它们提取出来;最后融合眼睛﹑嘴候选区域的信息,利用特征不变的方法进行人脸的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼﹑嘴的位置。     

基于对称性分析的眼睛定位方法

论文将基于主分量分析的对称轴检测引入到眼睛定位中,提出了一种快速的眼睛定位方法。首先利用主分量分析法和人脸重心确定人脸对称轴,再结合山谷法进行眼睛候选点的提取和验证。该方法能有效地克服人脸方向未知或倾斜时传统方法难以进行准确和快速定位的缺点,实验结果证明了新算法的鲁棒性和准确性。     

Eye center localization in a facial image based on geometric shapes of iris and eyelid under natural variability

The estimation of the human eye centers is one of the important step in several computer vision applications such as driver drowsiness detection, eye tracking, face recognition etc. Most of the existing techniques are able to localize eyes in frontal faces only while they fail to localize eye pairs in complex scenarios such as changes in head pose, scale, and illumination. In this paper, an eye localization method has been proposed that can locate the eye centers more precisely in facial images captured under the above-mentioned complexities. The proposed method consists of three stages: eye candidate detection, eye candidate verification, and post-processing. In eye candidate detection, the possible eye candidates are extracted using two new features namely Semi-Circular Edge Shape (sCES) and Semi-Ellipse Edge Shape (sEES) features. These features take into consideration the semi-circular and semi-ellipse edges of iris and eyelid and hence are able to localize eye centers more precisely. In verification, the extracted eye candidates are verified using a Support Vector Machine (SVM) based classifier. A scale-space framework is also included in the verification stage to handle the scale variations of images. In post-processing, the eye centers are paired using some geometrical constraints and then a modified gradient-based method is proposed to detect the required eye pair. The proposed system is evaluated on different databases to check its robustness to changes in head pose, scale, illumination etc. The experimental results suggest that the proposed method shows better accuracy in challenging environments and also outperforms some state-of-the-art methods.     

基于极坐标的改进灰度积分投影法的人眼检测

为了克服传统灰度积分投影方法无法有效定位旋转人脸图像中人眼的缺点,提出了一种基于极坐标系的灰度积分投影方法。利用肤色特征对给定图像进行人脸区域的确定,在人脸区域内按极角方向进行灰度积分投影,确定出人眼所在角度,将人眼角度方向的像素灰度值做水平方向积分投影,从而确定出人眼的位置。该方法能够实现同一幅图像中多个不同姿态人脸的人眼定位。大量的仿真实验表明,该方法的识别性能对人脸的旋转变化具有良好的鲁棒性,能够提高灰度积分投影方法对人眼定位的适用范围。     

Detection of human faces in color image sequences with arbitrary motions for very low bit-rate videophone coding

The problem of human face detection is a focus of interest in image analysis, image databases and video coding. A new multi-resolution method using color and motion information and shape model is developed to detect human faces in videophone QCIF sequences for efficient encoding. The method is based on color segmentation and multiresolution propagation of a geometrical model. A new measure of motion activity is proposed to validate the choice of candidates.     

Detection of human faces in color image sequences with arbitrary motions for very low bit-rate videophone coding

The problem of human face detection is a focus of interest in image analysis, image databases and video coding. A new multi-resolution method using color and motion information and shape model is developed to detect human faces in videophone QCIF sequences for efficient encoding. The method is based on color segmentation and multiresolution propagation of a geometrical model. A new measure of motion activity is proposed to validate the choice of candidates.     

Face localization using fuzzy classifier with wavelet-localized focus color features and shape features

This paper proposes a new fuzzy classifier (FC)-based face localization approach. The FC used is a self-organizing TS-type fuzzy network with support vector learning (SOTFN-SV). The SOTFN-SV learns consequent parameters using a linear support vector machine to improve generalization ability. The FC is first applied to segment human skin pixels in scaled hue and saturation (hS) color space, after which connected skin-color regions are regarded as face candidates. The FC is then applied to detect and localize faces from the candidates. The proposed FC-based face localization approach uses shape and wavelet-localized focus color features. A best fitting ellipse of each face candidate is found to obtain shape features. Focus color features are extracted from four focus regions, including the two eyes, the mouth, and the face skin-color region. To find these focus color regions, the Haar-wavelet transformation is first applied to the face candidates in the YCb color space to localize all possible pairs of eye candidates. The mouth region is then localized according to its geometric relationship with the eyes. The hS color features of the located eyes, mouth, and face skin are extracted. These focus color features, together with shape features, serve as inputs to another FC for final face localization. Comparisons with various classifiers and face detection methods demonstrate the advantage of the FC-based skin color segmentation and face localization method.