基于照片的可编辑光照效果卡通人脸生成算法

提出一种基于照片的可编辑光照效果卡通人脸图像生成算法.算法首先提取输入人脸照片的边缘轮廓,生成线条画;其次对输入照片进行本征分解,分离出光照图像和材质图像;然后对光照图像进行光照编辑,如量化、非线性增强等;对材质图像进行抽象化处理,并融合线条画得到卡通图像;最后将编辑过的光照图像添加到卡通图像上生成含有光照效果的人脸卡通图像.实验结果表明:该算法生成的人脸卡通图像效果逼真,并且可对光照进行编辑.     

基于几何约束的人脸检测研究

提出并实现了一种新的基于颜色空间的人脸检测算法;在充分考虑人脸与头发的颜色特征与几何关系的基础上,给出了一种用于人脸和头发表达的几何模型,在对肤色区域和头发区域分别进行检测后,根据不同区域之间的几何关系,通过几何约束对人脸和头发可能存在的区域进行特征判别.对不同姿态的人脸进行检测的结果表明了算法的可行性和鲁棒性.     

基于Gabor小波的人脸表情识别

提出通过提取人脸表情图像的Gabor特征,结合二次降维的方法,进行人脸表情识别.针对Gabor特征提取后维数变高,冗余很大的特点,先对高维特征进行采样,再引入二维PCA算法对Gabor特征进行选择,以达到降维的目的.然后采用基于模糊积分的多分类器联合的方法对7种表情进行融合识别.在JAFFE库上进行测试的结果验证了该算法的有效性,与2DPCA算法及传统特征提取算法相比,本文算法取得了较高的识别速度和精确度.该算法能更有效的提取反映表情状态的特征.     

基于深度学习的自然场景下多人脸实时检测

为了解决人脸检测的实时性与有效性,提出了基于YOLOv3算法的人脸检测模型.该模型以Darknet 53为主干网络,用3种不同尺寸的特征图进行预测,对Bounding box的中心坐标、置信度以及类别损失函数进行设计,最后直接回归被检测人脸的信息.实验中对数据进行了批量归一化处理,加速了Loss收敛.实验采用Wider Face的自然场景下的人脸数据集,将YOLOv3算法模型与不同算法模型比较,结果显示基于YOLOv3算法的人脸检测模型能够保证人脸检测的实时性,同时实现了自然场景下多人脸检测的任务.     

多特征双重匹配验证的驾驶员脸部融合检测

针对基于单一特征驾驶员脸部检测算法在检测精度和可靠性方面的局限性,提出了一种新颖的驾驶员脸部检测融合算法.首先采用改进的基于Haar-like特征的人脸检测算法在整幅图像上检测出可能存在的初始人脸区域,然后自适应地扩大初始人脸区域范围,并在此基础上利用基于肤色特征的方法在YCbCr空间上进行脸部的二次检测,最后根据定义的脸部区域重合度和人脸几何先验知识对驾驶员脸部区域进行双重匹配验证进而制定相应的定位规则对脸部进行融合检测.各种复杂路况下的实验结果证明了该算法的有效性.     

改进的S形曲线全局动态调光算法

针对S形曲线全局动态调光算法对人脸图像处理的不足,提出了一种改进的S形曲线全局动态调光算法。通过对输入图像信号进行变换,判定图像中是否存在人脸,并据此调整生成的S形曲线,对像素值进行补偿并调节背光输出。仿真结果显示,改进后的算法可以准确检出人脸图像,并有效地提升了人脸图像的显示效果。样机测试结果表明,液晶电视的图像质量有明显提升且平均能耗下降21.28%。     

肤色建模和肤色分割的人脸定位研究

为了实现彩色图像中人脸的精确定位,提出了一种基于肤色模型、肤色分割处理的人脸定位算法.通过建立肤色模型计算得到图像的相似度分布图,经自适应阈值的二值化处理后,再进行肤色分割,将非人脸区域去除:最终利用眼睛与嘴巴构成三角形特征结合人脸椭圆模板匹配定位人脸.实验结果表明,该算法对于复杂背景下的彩色图像中的人脸正面定位和人脸转动一定角度后定位都有较好效果.     

The Face Recognition Algorithm Based on Improved LBP

针对基本LBP算子提取的特征不够完整,不能全面地表达出人脸局部特征的问题,提出了基于分块的完备局部二值模式(CLBP)人脸识别算法.首先对原始人脸图像进行分块处理,对每一分块的图像进行局部差异值和中心像素灰度值分析,用Su2CLBP(8,2)、Mu2CLBP(8,2)和CCLBP(8,2)算子分别提取每一分块的直方图统计特征,然后将所有分块的CLBP直方图序列连接起来,得到人脸图像的CLBP特征,将其作为人脸的鉴别特征用于分类识别.最后利用Chi平方统计法计算直方图的不相似度,用最近邻准则进行分类.所提出的算法分别在ORL、FERET、YALE数据库中进行实验,分别取得了高达99.5％、92％、98.67％的识别率,与分块LBP算法相比识别率分别有2.5％、8％、2.67％的提高.实验结果表明,完备LBP提取的特征比较全面且具有较强的鉴别能力,在ORL.FERET、YALE人脸库中均能获得较好的识别率.     

A method for detection of partially occluded faces based on component distance matching degree function

为了较好地解决被部分遮挡的人脸的检测问题,提出一种基于组件距离匹配度函数的人脸检测方法.该算法首先采用基于支持向量机的Adaboost算法即AdaboostSVM算法对输入图像进行人脸各组件的检测,然后根据组件间距离的均值和方差构建组件距离匹配度函数,并提出基于组件距离匹配度函数的组件整合验证算法,在此基础上对被遮挡的组件的位置进行估计,进而实现部分遮挡的人脸的检测与定位.实验结果表明,该方法能够提高部分遮挡的人脸的检测性能与速度,能够在复杂背景下对被部分遮挡的人脸进行较为准确的定位与检测.     

改进的 AdaBoost人脸检测方法

针对传统 AdaBoost算法检测速度快准确率低的问题,本文提出了一种改进的 AdaBoost算法以提高人脸的正确检测率,该算法首先利用快速积分图提取人脸的 Haar特征,然后使用阈值设定的方法对传统的 AdaBoost算法进行改进,并将每次检测的最优弱分类器级联形成最终的强分类器,通过强弱分类器对 Haar特征判别,从而检测图像中的人脸部分。采用本方法对多种实验图像集进行人脸检测实验, FERET彩色图像库的正确检测率为96.07%,视频图像的正确检测率为 96%。实验结果表明,本文所设计的人脸检测算法能够对静态图像以及视频图像中的人脸进行有效检测,为人脸的正确识别打下了基础,该算法也为计算机视觉领域的研究提供一种有效方法。