复杂光照环境下视频人脸序列的自动检测方法

基于视频序列人脸自动检测是人脸跟踪、识别等研究的基础.提出了一种结合图像增强技术、gabor特征变换和adaboost算法的视频序列人脸检测方法,其主要思想是使用图像增强技术对图像进行光照补偿,减轻不同的光照条件(如局部的阴影和高亮等)对检测结果的影响.该方法首先通过高频增强滤波强化图像的边缘和细节信息,用基于直方图的技术采调节图像的亮度,然后应用gabor小波变换进行特征抽取,最后采用adaboost方法训练样本,完成人脸的检测.实验表明,该方法能够在不同的光照条件下准确检测出人脸,显示出较强的鲁棒性.     

奇异值分解和改进PCA的视频人脸检索方法

针对视频中人脸检索问题,提出一种基于奇异值分解和改进PCA相结合的视频中单样本人脸检索方法,其中通过融合局部均值和标准差的图像增强处理来实现PCA算法的改进,从而克服光照对目标的影响。通过AdaBoost人脸检测算法对人脸图像和视频进行人脸检测;通过奇异值分解增加训练样本,在原样本和新样本的基础上采用改进的PCA人脸识别算法提取待检测人脸和视频中的人脸代数特征;采用最近邻分类器进行特征匹配,判断视频中检测出的人脸是否为要检索的目标人脸。实验结果表明,该方法在简单背景的视频环境下可以较准确地检索出目标人脸。     

基于子空间增量学习的视频中人脸图像检索

提出一种以电影视频中人脸图像为依据的视频检索方法.首先通过AdaBoost检测视频序列中的人脸图像,将检测到的人脸做标准化处理后投影到增量特征人脸子空间中,得到人脸图像的向量表述;然后应用单类支持向量机进行训练和分类,根据分类的结果动态地调整前面得到的最优分类超平面,实现对电影视频中特定演员的检索功能.由于不同镜头中同一人的人脸图像通常差别很大,该方法随时间序列动态地调整特征人脸空间,以适应人脸分布的变化.对电影《小花》、《Notting hill》等的实验表明,该方法在视频环境下可以较准确地检索出特定人像.     

基于肤色模型和层次滤波技术的人脸检测

为了能够实现单幅彩色图像中的人脸检测,提出了基于肤色模型和层次滤波技术的人脸检测算法.它通过基于肤色的鲁帮性进行肤色建模,在图像中精确的提取出肤色区域,再经过方向校正后,检验出一系列的人脸特征、像素亮度的变化以及连通区域的空间排列,可以较好地检测出图像中的脸部区域.实验结果表明,该方法可以适用于不同光照条件下的人脸检测,即使在脸部特征没有被很好的检测出的情形下也可以较好完成人脸检测.     

基于视频监控的人脸识别方法

目前人脸识别方法主要针对静态图像进行识别,而在监控视频中,不同视频帧人脸具有相关性且只有部分人脸能够有效反映人脸信息。根据监控视频中人脸图像变化特性,提出了一种基于监控视频的人脸识别方法。首先通过结合人脸检测与跟踪技术获得视频人脸序列,然后以视频人脸序列中部分人脸图像识别结果为导向选取全部人脸序列图像中的代表人脸图像进行识别,最后根据选取的全部人脸图像识别结果综合反映人脸信息。实验结果表明,该方法能够在确保识别率和误识率的前提下有效提升监控视频中人脸识别的实时性。     

基于闪烁光照的视频回放攻击检测方法

提出了一种新的基于光照的人脸识别系统回放攻击检测方法。使用普通视频采集设备采集的侧向闪烁光照条件下人脸视频,通过对原始视频信号应用运动模板算法,进而得到原始视频信号对应的MEI(Motion-energy images)图像序列。以此依据,对被测试样本为三维人脸,还是屏幕人脸视频回放加以分类识别。     

基于帧间差异的人脸篡改视频检测方法

近几年,随着计算机硬件设备的不断更新换代和深度学习技术的不断发展,新出现的多媒体篡改工具可以让人们更容易地对视频中的人脸进行篡改。使用这些新工具制作出的人脸篡改视频几乎无法被肉眼所察觉,因此我们急需有效的手段来对这些人脸篡改视频进行检测。目前流行的视频人脸篡改技术主要包括以自编码器为基础的Deepfake技术和以计算机图形学为基础的Face2face技术。我们注意到人脸篡改视频里人脸区域的帧间差异要明显大于未被篡改的视频中人脸区域的帧间差异,因此视频相邻帧中人脸图像的差异可以作为篡改检测的重要线索。在本文中,我们提出一种新的基于帧间差异的人脸篡改视频检测框架。我们首先使用一种基于传统手工设计特征的检测方法,即基于局部二值模式（Local binary pattern,LBP）/方向梯度直方图（Histogram of oriented gradient,HOG）特征的检测方法来验证该框架的有效性。然后,我们结合一种基于深度学习的检测方法,即基于孪生网络的检测方法进一步增强人脸图像特征表示来提升检测效果。在FaceForensics++数据集上,基于LBP/HOG特征的检测方法有较高的检测准确率,而基于孪生网络的方法可以达到更高的检测准确率,且该方法有较强的鲁棒性;在这里,鲁棒性指一种检测方法可以在三种不同情况下达到较高的检测准确率,这三种情况分别是：对视频相邻帧中人脸图像差异用两种不同方式进行表示、提取三种不同间隔的帧对来计算帧间差异以及训练集与测试集压缩率不同。     

彩色视频序列图像中的人脸跟踪方法

针对彩色视频序列图像的人脸检测，提出了一种基于肤色的人脸跟踪方法。该方法首先在Hsu提出的肤色模型基础上，采样一种自肤色分割算法来提取复杂背景下人脸的肤色特征，与传统的采用固定肤色模型的检测算法相比，该方法具有更好的检测效果；然后，在人脸跟踪过程中采用Condensation滤波跟踪算法，并对算法做了两点改进，即在跟踪过程中采用基于Metropolis算法的重采样方法以及自适应的动态模型，实现了复杂背景下的人脸自由运动的跟踪，并从各种影片中截取了彩色视频序列图像进行了测试实验。实验结果表明，该方法有效地解决了复杂背景下人脸自由运动、光照变化及部分遮挡的问题，且精度较高。     

一类视频序列中的人脸检测与实时跟踪算法

提出一种新的人脸快速检测与实时跟踪算法,能够对视频序列中的人脸进行快速、准确地检测和跟踪。算法分为开始状态、目标丢失状态的人脸检测和连续状态的目标跟踪。首先预测人脸两眼之间的中心位置,得到人脸的预测位置并对预测位置处的图像进行模板匹配,快速检测出人脸准确位置。然后利用检测出的人脸修正人脸模板,并在检测出的位置、旋转度、缩放比例等条件下,对后面序列图像进行小位置、小角度的快速跟踪。实验采用了多种环境下的大量视频,结果显示该算法能够快速跟踪视频序列中的人脸并具有很高的准确性、鲁棒性。     

FSVM方法在人眼状态识别中的应用

本文考虑眼睛状态检测问题,提出了一种结合用gabor滤波和模糊支持向量机进行人眼状态检测的方案。首先用gabor小波对人脸图像进行特征提取,从而得到眼睛特征图像,然后在特征空间中,用FSVM和三叉决策树相结合设计眼睛状态分类器。在AR人脸库上的实验结果表明,该算法能够取得较好的分类效果。     

一种快速的彩色序列图像人脸检测算法

针对视频中的彩色序列图像，提出了一种人脸检测算法。该算法是一个由粗到精的检测过程。首先采用运动检测分析方法，根据多帧差分图像中运动物体边缘点的水平投影确定目标的水平位置，并结合肤色检测算法进一步确定人脸位置，然后用训练好的支持向量机进行人脸验证。实验结果表明，针对一般的彩色序列图像任意姿态人脸检测问题，该算法快速有效。     

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。     

Face recognition in low resolution thermal images

This paper proposes an accurate, rotation invariant, and fast approach for detection of facial features from thermal images. The proposed approach combines both appearance and geometric information to detect the facial features. A texture based detector is performed using Haar features and AdaBoost algorithm. Then the relation between these facial features is modeled using a complex Gaussian distribution, which is invariant to rotation. Experiments show that our proposed approach outperforms existing algorithms for facial features detection in thermal images. The proposed approach’s performance is illustrated in a face recognition framework, which is based on extracting a local signature around facial features. Also, the paper presents a comparative study for different signature techniques with different facial image resolutions. The results of this comparative study suggest the minimum facial image resolution in thermal images, which can be used in face recognition. The study also gives a guideline for choosing a good signature, which leads to the best recognition rate.     

基于肤色和AdaBoost算法的彩色人脸图像检测

针对肤色检测对复杂背景下的图像误检率高和AdaBoost算法对多姿态、多人脸图像检测效果不理想的问题,将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合起来,提出一种新的人脸检测方法,即首先利用肤色和形态学操作分割肤色区域,再根据人脸区域的统计特性筛选出人脸候选区域,然后用AdaBoost级联分类器对候选区域扫描,以精确定位人脸.实验表明,该方法同时具有肤色检测正确率高与AdaBoost算法误检率低的优点,可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果.     

一种基于知识的快速人脸检测方法

为了提高人脸检测的速度，提出了一种基于知识的快速人脸检测方法，该方法是采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析了足够多的人脸图象样本的基础上，针对人脸图象的灰度和边缘信息，建立了一种较为完备的知识库；为加快检测速度，该方法采用多级检测步骤，即在粗检测中，根据眼睛的特征，提出并采用一种新的人脸粗检测算法-广义几何投影方法，从而明显地提高了检测速度，实验结果表明，该方法具有较强的鲁棒性，能够很好地解决复杂背景下的多人脸检测问题，由于该方法实现的简单性，并容易由硬件实现，使得检测速度进一步提高，因此该方法在可视电话等领域有着广阔的应用前景。     

Region-based face detection

Face detection is a challenging task. Several approaches have been proposed for face detection. Some approaches are only good for one face per image, while others can detect multiple faces from an image with greater price to pay in terms of training. In this paper, we present an approach that can be used for single or multiple face detection from simple or cluttered scenes. Faces with different sizes located in any part of an image can be detected using this approach. Three test sets are used to evaluate the system. The system has a detection rate of 100% on test set A containing 200 good quality images (200 faces) with simple backgrounds. Test set B contains 23 images (149 faces) with cluttered backgrounds and a mixture of high- and low-quality images. A detection rate of 66.4% is obtained on this set. Test set C is a selection of 22 high-quality images (54 faces) images from different sources including the World Wide Web, and a detection rate of 90.7% is obtained.     

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。     

Real-time iris detection

A real-time algorithm to automatically detect human faces and irises from color images has been developed. A Haar cascade-based algorithm has been applied for simple and fast face detection. The face image is then converted into a gray-scale image. Three types of image processing techniques have been tested to study their effect on the performance of the iris detection algorithm. Then iris candidates are extracted from the valley of the face region. The iris candidates are paired up and the cost of each possible pairing is computed by a combination of mathematical models. The pairing with the lowest cost is considered to be a pair of irises. The algorithm has been tested by quality images from a Logitech camera and noisy images from a Voxx CCD camera. The proposed algorithm has achieved a success rate of 83.60% for iris detection in an open office environment.     

Automatic face detection in video sequences using local normalization and optimal adaptive correlation techniques

Automatic human face detection from video sequences is an important component of intelligent human computer interaction systems for video surveillance, face recognition, emotion recognition and face database management. This paper proposes an automatic and robust method to detect human faces from video sequences that combines feature extraction and face detection based on local normalization, Gabor wavelets transform and Adaboost algorithm. The key step and the main contribution of this work is the incorporation of a normalization technique based on local histograms with optimal adaptive correlation (OAC) technique to alleviate a common problem in conventional face detection methods: inconsistent performance due to sensitivity to variation illuminations such as local shadowing, noise and occlusion. The approach uses a cascade of classifiers to adopt a coarse-to-fine strategy for achieving higher detection rates with lower false positives. The experimental results demonstrate a significant performance improvement gains and achieved by local normalization over methods without normalizations in real video sequences with a wide range of facial variations in color, position, scale, and varying lighting conditions.