一种人脸的检测与定位方法

提出一种基于肤色的人脸检测定位算法,设计了基于肤色的人脸检测和定位系统.采用了增强人脸特征与脸部皮肤之间对比度的方法以及二值化方法,改进了预处理的效果.使用了基于边界方法和基于区域方法相结合的算法,提取了眼睛、嘴和鼻子等关键特征,最终较好地实现了人脸定位.在MicrosoftWindows ME平台上,利用Visual C 6.0开发了软件.实验结果表明,该软件对于一定尺寸范围内清晰的正面人脸图像能够正确检测定位并提取特征.     

基于AdaBoost和ASM算法的人眼定位

针对人脸识别中眼睛定位不准的问题,提出了一种有效的人眼定位方法。该方法首先计算图像的积分图,然后利用基于Haar-like特征的AdaBoost级联分类器检测出图像中人脸的位置,最后再利用主动形状模型(ASM)算法精确定位出人眼。该方法在JAFFE人脸库和自建人脸库上表现出良好的性能,定位准确率达99%以上。实验结果表明,该方法对人眼的定位准确、快速。     

一种人眼瞳孔定位方法

为了提高人脸识别系统识别率和算法的运行效率,提出一种依据阈值变化的自适应定位人眼瞳孔的方法.该方法根据最小极区的思想,利用阈值从低到高的动态变化,借助自然约束条件、相似度分析和灰度重心法来精确定位人眼瞳孔的位置.利用该方法在CAS_PEAL、CVL以及自建的人脸库上进行了大量实验.实验结果表明,该人眼瞳孔定位方法可以有效定位人眼瞳孔,并且对于光照、表情都具有较好的鲁棒性.     

一种基于相似度及复杂度的人眼定位算法

提出一种在检测到人脸区域的前提下，对人眼进行准确定位的算法。该算法首先计算人脸图像的相似度信息，并对得到的相似度图像进行二值化，从而标定人脸区域。然后对得到的人脸区域进行图像块分割，通过复杂度计算得到三个复杂度最大的区域块，计算其居中度，从而实现对人眼的准确定位。     

一种基于肤色分割的彩色图像人脸检测方法

人脸是一个复杂的模式,对其准确的定位和分割是进行人脸识别的第一步.本文建立一种混合肤色模型对肤色区域分割并融合几何特征进行人脸粗检测;在人脸区域验证阶段,提出利用计算眼睛相似度的方法并融合眼睛对称性等特征对眼睛区域定位;嘴巴定位通过改进的唇色信息提取来实现,用以最终准确定位人脸区域.实验证明,该算法十分有效,在速度和准确性方面具有良好的性能.     

人眼状态识别疲劳检测技术的研究

本文采用改进的肤色算法模型,经过二值化处理,结合人眼定位技术,提出一种基于PERCLOS方法判别飞行员疲劳程度的优化算法,该算法眼睛识别率高、计算量小。实验结果表明,该方法疲劳判别效率和精度较高,具有较高的应用价值。     

基于边缘与灰度梯度的人眼特征定位分析

根据由粗到精的思路,综合利用了眼睛在人脸面部特征中所特有的边缘与灰度分布信息,进行人眼特征定位.首先用横向Sobel算子对人脸图像进行边缘检测,获取人脸区域的横向边缘特征,然后采用图像形态学的方法框定人脸主要特征的大致区域,最后用计算灰度梯度密度的算法,快速精确地定位人眼区域.试验表明,本方法能快速而精确地实现人眼特征的定位.     

基于肤色信息的快速人脸检测

讨论了人脸检测问题中精度和速度在此基础上结合眼睛的定位算法,最终精确得到人脸的位置.实验结果表明,本算法能较为准确快速地定位出彩色图片中正面人脸以及小角度偏转的人脸.     

基于AdaBoost的人脸检测算法

针对人脸检测的特点,深入分析了基于Haar-Like小波特征和AdaBoost算法构造强分类器的人脸检测算法,并将此算法应用于ORL人脸库.在Visual C++6.0平台下,首先利用AdaBoost算法训练得到用于人脸检测的强分类器H(x),然后利用该分类器进行人脸检测.实验表明,提出的算法在保证检测精度的同时,极大的提高了人脸检测速度,且受光照变化影响小.     

疲劳驾驶监控中人脸检测与定位方法

目的为了正确检测和定位人脸区域,提高疲劳驾驶监控中人脸检测与定位方法的准确率和实时性.方法结合肤色分割、模板匹配,改进连通区域划分算法实现对戴眼镜人脸的检测与定位.结果实验结果表明,肤色分割改进算法能对不同复杂程度背景的人脸图像正确的检测与定位,正确率达到97.7%.结论该算法能在不同光照条件和复杂程度背景下,检测并定位人脸区域,实时性好,准确率高,对戴眼镜情况时也能检测定位成功.     

一种基于模糊分类的模板匹配眼睛定位方法

针对眼睛定位问题，提出了一种基于模糊分类的模板匹配方法。在用一种合成的眼睛模板对人脸图像进行匹配得到眼睛定位点的备选集合的基础上，通过模糊分类技术引入双眼相对位置关系等知识信息，从备选集合中找出相似度最高的一组作为双眼的定位点。实验证明与传统模板匹配方法相比，该方法能够同时定位双眼，并能够显著提高定位准确率和定位速度，对戴眼镜、头部变化、焦距变化和光照变化具有一定的鲁棒性。     

人眼定位及其在视频会议中的应用

人眼检测对于人脸的自动识别非常重要。本文提出了一种视频图像序列中快速人眼定位的方法。确定一个眼睛窗口,综合利用窗口内灰度的均值、灰度方差的均值、梯度的均值并结合色度信息来进行眼睛的检测。将提出的眼睛定位的方法应用到视频会议中,从多个摄像机得到的图像中,根据一个判断函数判断出正面人脸图像。实验结果表明,所提算法能够迅速准确的检测出眼睛并且能够正确的判断出正面人脸图像。     

一种基于眼部状态的疲劳驾驶检测方法

针对传统的疲劳驾驶检测准确率低和实时性差的问题,提出了一种基于眼部状态的疲劳驾驶检测方法.利用CCD相机实时获取驾驶员的脸部图像,采用直方图均衡化增强图像的对比度;通过改进的cascade(Hear分类器)的人脸检测算法检测出脸部区域;利用OTSU阈值分割和形态学运算提取人眼区域,根据人眼的宽高比判定眼睛的闭合程度;依据PERCLOS-P80原理和眨眼频率判断驾驶员的疲劳状态.实验结果表明:改进的人脸检测算法对每帧图像的检测时间约为45ms,在人脸检测速度上提高了2.3倍,为整个疲劳驾驶检测节省了大量的时间.研究疲劳驾驶检测方法检测一帧图像的时间约为65ms,而且在不同的光照强度下的检测均有较高的准确率,满足疲劳驾驶检测对准确性和实时性的要求.     

基于Eye Map和SIFT特征的人眼定位

人脸对齐是人脸识别的前提,精确的人眼定位是人脸对齐的主要手段,为此提出了一种基于eye map和SIFT特征的人眼定位方法。首先根据人眼眼球部分的像素灰度比周围像素灰度更黑的特点,在人脸图像中选出满足该特征的像素点,接着通过排序滤波器得到这些像素点的连续区域及它们的几何中心,然后根据人眼特征点的几何限制粗选出候选的眼球像素点,最后在候选点的特定区域内提取SIFT特征,并采用支持向量机回归的方法得到响应值最大的像素点,该点即为人眼的精确定位点。实验结果分析表明该方法既具有较高的定位精度又具有较快的计算速度。     

MFC下利用OpenCV进行人脸检测的研究与实现

为了实现对人脸检测的目的,本文采用基于MFC框架下使用OpenCV视觉库的方法．文章重点分析了一种人脸检测中使用的特征分类算法：Adaboost算法．文中阐述了该算法的原理,图文并茂地展示了如何在实际中利用人脸库结合Adaboost算法来训练分类器,并生成XML文件．在VC6．0下,搭建了人脸检测的界面,利用OpenCV的函数调用训练所生成的XML文件,实现了在本地选择图片并对其进行人脸检测的功能．此外,系统还支持读取本地AVI格式视频和从摄像头捕捉到的视频,可手动截取一帧图片进行人脸检测．实验结果表明该设计方案具有较高的准确性和稳定性,基本达到预期的效果．     

基于Gabor滤波器和改进BP神经网络的人脸检测方法

提出一种基于Gabor滤波器和改进BP神经网络的人脸检测方法.该方法首先利用Gabor滤波器空间位置与方向选择特性,采用8种方向Gabor滤波器提取人脸样本图像特征;然后把基于Gabor滤波器的特征向量作为人脸/非人脸分类器输入,并用PCA方法对特征向量降维;最后利用已降维的特征训练改进的BP神经网络.仿真实验表明,该方法比单一使用Gabor滤波器和单一使用BP神经网络检测率高.     

基于Taubin拟合方法的眼睛定位算法

眼睛的定位及特征的提取在表情的理解、人机交互、身份识别、人脸检测等方面有重要的作用。直接用最小二乘法拟合椭圆的方法定位眼睛时,容易将不该生成椭圆解的地方拟合出了椭圆,Hough变换所需计算量大,占用内存大。针对上述问题,提出采用Taubin拟合与随机Hough变换(RHT)算法相结合方法获得眼睑的椭圆方程,最后把拟合椭圆的中心点作为眼睑中心点,拟合的椭圆作为眼睑的边缘。实验结果表明,该算法定位眼睛的平均检测率达94.6%,平均检测时间为0.12秒。