基于眼睛特征的人脸检测方法*

由于眼球的灰度级较低,而眼球周围白色区域的灰度级较高,因此在其交界处灰度级产生强烈突变。利用这一特征先从图像中找出可能的眼睛对,定位可能的人脸区域,通过计算其对称性来确定各种人脸特征的存在,更进一步验证可能的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。     

人脸正面图像中眼睛的精确定位

提出了人脸图像中眼睛定位方法,首先对灰度图像进行灰度形态学操作,所得谷图中像素数总体上随灰度级的增加而显著减少;用位于高端的灰度值作为阈值,逐次对谷图进行二值化,从所得二值图像中获得眼睛的候选位置;用PCA方法进行眼睛位置的最佳选择．该方法解决了二值化阈值步长的自适应选取问题．用AR,Yale和自建人脸数据库进行实验,得到眼睛定位成功率大于93％,平均定位偏差小于眼球半径的1／3．     

一种基于人脸核心区域灰度分布的人脸检测方法

提出了一种基于人脸核心区域(眉毛、眼睛、鼻子、嘴等)灰度分布特征的人脸检测方法:首先在多维阈值下对人脸图像进行分析和处理得到可能包含人脸的一些区域,然后从这些区域中检索特殊的灰度特征,最后综合多维阈值下的灰度特征及特征之间的分布关系确定出人脸的大小和位置.实验证明,此方法能迅速准确地从背景图像中检测出人脸.     

基于彩色分割和特征定位的实时人脸检测算法

论文提出了一种新的彩色人脸图像实时检测算法。该算法利用皮肤颜色在YCbCr彩色空间的分布特性进行人脸皮肤区域的分割,利用人脸特征在灰度图像灰度映射极小值特性进行人脸特征定位。实验证明该算法对彩色人脸图像的检测有很好效果。     

机器人系统中人脸特征提取技术的研究与实现

该文描述了在智能机器人系统中人脸特征提取技术的研究与实现,提出了一种新的并且在机器人系统中实现的人脸特征提取方法,该方法首先利用基于Adaboost的人脸检测算法对采集到的原始图像进行人脸检测,从而得到人脸图像;然后让人脸图像通过一个空间掩模滤波器,去除图像中明显非人脸特征的区域,再经过二值化后得到二值化图像;将二值化图像与一个矩形模板相卷积,得到卷积值与模板索引数的二维曲线图,在二维曲线图中,最高的两个峰就分别对应了眼睛和眉毛,再根据人脸特征几何分布关系判断出眼睛,眉毛和嘴,从而得到最终的人脸特征.该方法检测率高,计算量小,实时性很强,满足了机器人系统中资源有限的约束条件.     

复杂背景彩色图像中的人脸分割技术

主要介绍了如何在含有复杂背景的彩色图像中进行人脸分割的技术。首先根据人的肤色在色度空间的聚类特性,寻找合适的色彩空间建立肤色模型。计算图像中所有像素的颜色与肤色的相似度值,并将其转换成0到255之间的灰度值,以得到图像的相似度灰度图,接着通过大津阈值分割进一步得到二值图,将人脸肤色区域与背景分离,从而定位了人脸区域。最后,利用人脸的结构特征,进一步缩小人脸区域范围,最终找到包含人脸主要特征部位(眼睛、鼻子、嘴巴)的人脸区域。     

一种基于灰度图像的人脸检测及眼睛定位算法

利用灰度积分投影直接对人脸图像进行检测和眼睛定位是一种常用的算法,但是直接采用该算法会受到背景、特征等因素的影响,识别准确率较低。提出了一种基于最大类问方差阈值和区域膨胀相结合的检测与定位算法。该算法首先计算最大类间方差设置阈值,把灰度图像转换为二值图像并检测出人脸区域,然后通过对该人脸区域中的连通区域进行膨胀及连通性处理,精确定位眼睛坐标。实验表明,此算法可靠,具有较好的识别效果。     

基于人眼定位的人脸与检测与归一化算法

文中针对复杂背景下多姿态静态人脸图像,提出了一种通过对眼睛这一特征的自动检测与定位,从而实现对人脸检测的新方法.首先对原灰度图像做边缘灰度加强;然后结合根据人脸几何特征先验知识建立的人眼位置判定准则,在分割阈值递增的过程中,寻找能分割出双眼眼块的最优分割阈值;最后用两维相关系数作为对称相似度来检验检测出的双眼的真实性,并利用找到的双眼图像垂直方向的灰度积分投影,精确定位瞳孔中心.对彩色图像,利用肤色在YCbCr颜色空间的分布特性建立肤色模型,粗略找出肤色区域,进行灰度变换后,再采用上述方法检测人脸.最后提出一种脸相归一化方法,便于进一步的提取特征工作.实验结果证实了文中方法在速度和准确性方面具有良好的性能.     

一种基于特征模型的人脸检测方法

特征提取是基于特征的人脸检测的关键。提出了一种利用眼睛和鼻子的灰度特征和几何特征的人脸检测方法。选取眼睛和鼻子作为特征点,构造一个三角的特征模型。另外,此方法对候选特征图像采用逐步改变分块大小的方法进行搜索,得到独立的特征点,并利用人脸结构特点的先验知识建立模型的搜索策略。实验证明,此方法能迅速准确的从复杂背景中检测出人脸,而且对多人脸同样有效。     

一种基于颜色和几何特征的人脸检测方法

该文提出了一种有效的人脸定位方法。通过局部自适应门限提取图像边缘,用几何规则和颜色特征筛选出候选眼睛块,使用遗传算法将这些眼睛块配对验证,适应度函数采用一个新颖的眼睛及脸颊区域的灰度投影及肤色信息定义。该方法可以实现多尺度、多角度的正面人脸检测,实验结果令人满意。     

ARM平台下人眼定位研究与系统实现

实现了基于嵌入式ARM实验平台的人眼定位系统,提出利用背景差分法和大津方法确定人脸区域的方法。结合RGB空间下的眉毛和眼球的灰度分布特点,使用灰度投影法提取眉眼区域,然后根据眼球的特征精确定位眼球的位置,实验结果表明该系统能够准确实时的完成人眼的定位。     

基于多姿态知识模型和模板的快速人脸检测

提出了一种多姿态知识模型,并以之从人脸器官梯度图中获得候选脸的大小、位置、姿态类别和眼、嘴重心坐标,然后按姿态类别将候选脸与对应的模板进行匹配确认人脸.该人脸检测算法集人脸检测、姿态估计和眼、嘴定位于一体,具有检测速度快的特点,适于多姿态多人脸场合的人脸检测.该算法只利用了图像的灰度信息,因此对灰度图像和彩色图像的人脸检测均适用.     

基于边缘和纹理特征相结合的快速人脸精确定位方法

静态复杂背景灰度图像的人脸快速精确定位问题,是近年来迫切需要解决和完善的问题。该文将快速简单的大面积搜索算法和复杂精细的分析算法相结合,提出了一种椭圆弦箭算法,该算法利用图像的边缘快速确定搜索空间,并在搜索空间内使用虹膜网格采样矩阵进行纹理分析,采用在频域中按指数增长的分布方式设计Gabor滤波器,进一步提高了Gabor滤波器纹理分析效率,从而精确定位人眼和嘴。该文算法复杂度适中,运算量较小,定位精度较高,鲁棒性好,有很大的实用价值。     

一种在红外图像中定位人眼的方法

为了实现红外图像人眼的精确定位,提出了一种新的定位红外图像人眼的方法。在已知的一幅红外人脸图像中,通过投影得到人脸区域,根据眉眼区域的梯度变化比较激烈的特点,来得到人眼的大致区域,最后,利用红外图像人眼瞳孔与眼球之间的灰度存在很大差异的特性,采用Robert边缘检测求梯度最大值的方法,精确地定位出人眼。实验证明,该方法对红外图像的人眼定位效果很好,精确度很高。     

基于Gabor变换的人眼定位方法

提出了一种基于Gabor变换的人眼定位方法,在对图像进行规一化处理以减少光照影响的基础上,利用Gabor变换后的图像在眼睛处的幅值较大的特点,通过投影方法得到人眼的坐标.实验结果表明,该方法能准确地定位眼睛的中心位置,并对表情、姿态和光照的变化有较好的鲁棒性.     

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。     

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。     

一种新颖人脸结构特征的眼定位算法

眼睛是人脸中极为重要的特征,因此快速准确的定位人眼是人脸识别的关键环节.为解决识别问题,提出了一种新的精确定位人眼的算法,即根据东方人的脸部结构特征,提取一个局部区域以缩小眼睛的搜索范围.在此基础上,结合眼睛的灰度信息和结构信息最终精确定位人眼.首先把整幅图像分割成固定大小的小图像块,根据图像块的复杂度初步定位两眼,再根据图像块的结构居中度对眼睛进行精确定位.实验结果证明,运算量少,容易实现,并能提高检测效率.