基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

基于动态椭圆滤波器的人脸定位

针对传统肤色分割算法无法将人脸从类似肤色的背景分割出来这一个问题,提出一种基于动态椭圆滤波器的人脸定位算法.该算法利用积分投影法预测人脸可能的范围和位置,并结合椭圆的紧密度概念调整滤波器参数,构造最优滤波器,把肤色分割后的连通区域中非人脸的类肤色区域过滤掉,有效地减少类肤色区域带来的干扰,再结合模板匹配方法对人脸进行定位.     

人脸图像特征点的定位与提取方法的研究

对于复杂的人脸模式，脸部特征定位是人脸自动识别技术的关键.对人脸图像特征点的定位过程和提取算法进行了研究.通过对人脸图像进行增强与平滑等预处理，并生成清晰完整的二值化图像；利用灰度积分投影曲线确定人脸区域，以缩小定位范围；同时找到垂直方向上人脸特征的大致位置，以便进行下一步的特征提取工作；以粗定位为基准，按照适当的方法对眼、鼻、嘴的特征点依次准确提取.利用粗略与精确两步定位过程方法，在简化处理的同时，可准确提取正面人脸图像中的特征点.实践证明，该方法直观、可靠，具有良好的实用性.     

人脸图像嘴巴特征点自动提取系统

利用彩色人脸的特点，设计一个初步的人脸图像嘴巴特征点的自动提取系统。通过水平投影和垂直投影确定嘴巴的矩形区域，然后在嘴巴所在的矩形区域内提取6个特征点，并且由这6个点拟合五段二次抛物线，由此描绘出嘴巴的边缘轮廓。实验证明，该方法可以有效地提取嘴巴的特征点并较精确地描绘出嘴巴的轮廓.     

基于单目RGB摄像机的三维人脸表情跟踪算法

利用单目摄像机对人脸表情进行三维跟踪有两个关键问题,一是从单幅图像中重建人脸的三维模型,二是建立不同三维模型之间稠密的对应关系。针对上述问题,提出一种有效的三维人脸表情跟踪算法。对输入的各帧人脸图像进行自动特征点检测,并根据2D特征点,利用Multilinear Model重建不同表情的三维模型。通过将三维模型重投影至图像空间,计算各帧图像间的Optic Flow与Sift Flow对应。根据图像间的对应关系,利用Laplacian网格变形对三维模型进行修正,建立不同表情之间三维的稠密对应。试验表明,该方法可以重建出较为真实的三维人脸表情模型,同时可以精确跟踪连续变化的三维表情序列。     

基于思维进化算法的人脸特征点跟踪

提出了一种基于思维进化算法的人脸特征点跟踪的方法。通过提取人脸跟踪区域的尺度不变特征变换获得整体特征模版,并确定跟踪特征点,由整体特征模版的空间分布关系限定跟踪特征点的存在区域。应用思维进化算法的趋同过程和异化过程求得整体特征模版在目标帧的最优覆盖解,进一步提高跟踪特征点的限定区域的准确性,提高搜索速度和精度。引入原始特征和替代特征,使算法在复杂情况下仍能保持稳定跟踪和较快的跟踪速率。经试验,新方法能够在复杂情况下稳定跟踪95%的特征点,并保持25帧/s的跟踪速率。     

基于Gabor变换的人眼开闭状态识别技术研究

为解决驾驶员疲劳检测问题,提出了一种快速人眼开闭状态识别方法。该方法通过肤色模型识别人脸区域,预处理后进行Gabor变换;通过选取合适的尺度和方向提取出眼部明显的灰度特征,对变换后的图像进行水平积分投影,眼部有明显的尖峰,进而通过峰平比识别人眼的开闭状态,突破了传统积分投影方法只能进行人眼定位的局限。实验表明,该算法具有较高的准确性,并对光照变化有较好的鲁棒性。     

基于积分投影与区域生长的人眼定位方法

为了克服传统积分投影方法不能有效定位偏转人脸图像问题,提出一种基于积分投影与区域生长相结合的人眼定位方法。在定位人眼之前,通过肤色分割实现人脸粗定位,接着采用Otsu实现二值化、形态学操作以及区域标记算法等预处理操作。实验结果表明:采用的处理算法准确度较高,能为下一步的人眼状态分析打下良好的基础。     

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.     

基于二维人脸图像的特征提取技术研究

针对目前人脸识别中特征提取的技术特点,提出了一种基于二维人脸图像的特征提取方法,利用肤色分析及灰度投影对二维人脸的关键特征点进行定位、分析并提取.经实验证明,此方法能够对人脸区域的特征点实现准确、可靠的定位.     

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.     

一种正则粒子滤波的人脸跟踪算法

本文针对人脸运动的非线性非高斯的特点,引入正则粒子滤波算法来进行运动预测估计,且根据预测精度对预测过程中目标运动速度和过程噪声方差进行自适应更新。实验结果表明,在人脸的旋转、肤色和部分遮挡影响下跟踪精度较高,抵抗光照环境变化,以及人脸大小变化等的鲁棒性较强。     

基于分层粒子滤波的地标检测与跟踪

针对直升机运动平台获得的地标图像序列高噪声且帧间位移大等难点,提出一种改进的局部二值模式向量,利用集成学习算法训练分类器区分地标模式和背景模式.采用分层粒子滤波算法有效地结合纹理和颜色2种特征,将地标检测与跟踪有机地融为一体.该算法首先选择似然值均值作为观测值,并利用均值漂移算法将粒子移到高似然值区域,然后选择颜色直方图作为观测,逐步将粒子移向高权重区域,最后通过聚类算法估计地标数目与位置.实验验证了该算法的有效性和鲁棒性.     

面向城市路口的高清晰智能监控系统研究

在对复杂的城市路口监控环境深入分析的基础上,提出了一套高效稳定的高清晰视频车辆检测与跟踪算法,以此为核心构建的智能交通监控系统实现了包括交通流统计、违章取证和车牌识别在内的全天综合智能监控。提出了高效的两步车辆检测法:在鲁棒的帧间边缘差分运动检测基础上,利用车牌纹理投影特征和尾灯颜色特性实现车辆检测。在车辆跟踪方面,提出了提取大尺度的FAST稳定角点进行Lucas-Kanade金字塔跟踪和基于Kal-man预测的车辆尾灯锁定,以完成昼夜不同情况下路口车辆的长距离稳定追踪。实际应用结果表明,车流量采集精度达到96.5%,违章记录有效率87.6%,具有优良的性能。     

基于区域合并与轮廓模型的图像序列人物轮廓分割

为解决受图像背景复杂度影响,分水岭算法较难高精度实现图像序列中人物轮廓的分割与追踪这一问题,提出了利用颜色空间转换的区域合并实现目标轮廓区域的划分、并基于人物头部轮廓信息生成人物领域轮廓模型的方法。通过对人物领域边界线生成的初步轮廓模型进行高斯函数的卷积运算,生成形态轮廓模型的有效对象模板,实现图像序列的人物领域中不依靠序列差分和移动向量亦能在图像序列中追踪移动对象。基于颜色空间转换的区域合并和轮廓模型算法,可满足视频背景变动并且背景复杂的情况下对图像序列中的人物轮廓进行有效分割。实验结果验证了本算法的有效性与鲁棒性,可有效而稳定实现图像序列中人物轮廓的分割。     

人脸特征点跟踪及夸张人脸动画系统

为了研究视频中人脸特征点的跟踪问题,根据人脸特征点的不同特征,提出了不同的跟踪方法.对于眉都等特征点,利用光流跟踪方法,用拉普拉斯金字塔图代替了通常的灰度图作为光流输入图,减少了累积误差,提高了光流跟踪的准确性;对于嘴部特征点,将光流与弹性图匹配相结合,通过光流预先得到大致位置,减小了弹性图匹配时的搜索范围,提高了跟踪速度;对于眼部特征点,采用图像二值化方法进行跟踪.通过MPEG-4机制将跟踪到的运动数据克隆到系统根据真实人脸特点生成的夸张人脸上进行动画,具有很强的娱乐色彩.     

基于运动和彩色信息的人脸定位方法

提出了一种用于视频会议及可视电话的头肩序列图像人脸定位方法。该方法利用序列图像的运动信息，在帧间差分的基础上进行二值图像边缘提取，利用人的头肩办吧及彩色图像的色系坐标变换进行运动的人脸定位。实验证明该方法能够自动执行头肩分割，人脸定位，简单快速而且有效。     

聚类与跟踪相结合的人脸数据集生成方法研究

为提高人脸数据集生成的准确率和效率,提出了一种将人脸跟踪与人脸聚类相结合的人脸数据集生成方法.首先,对KCF算法进行改进,并将改进的KCF算法用于人脸跟踪,得到不同时间片段的人脸图像集; 其次,从每个人脸图像集中通过人脸图像优选算法选出高质量的人脸图像; 再次,将优选出来的人脸图像进行人脸聚类,以完成视频中每个人的人脸数据集的生成; 最后,通过实验对比基于人脸跟踪、基于人脸聚类和基于本文方法的人脸数据集生成效果.实验结果表明,本文方法与基于人脸跟踪的人脸数据集生成方法相比,纯度提升约15%; 与基于人脸聚类的人脸数据集生成方法相比,效率提升约50%.