基于肤色和Adaboost算法的人脸检测

人脸检测是人脸识别的第一环节,也是非常关键的环节。试验中主要针对静态彩色图像进行人脸检测,研究肤色在人脸检测中的应用。不同图像背景、人脸的可变性和光照条件变化都增加了人脸检测的难度。因此,从一幅图像中检测人脸是一项具有挑战性的任务。采用Adaboost的人脸检测,并提出肤色与Adaboost算法相结合的人脸检测方法。对输入的彩色图像进行从RGB空间到YCbCr空间的转换,然后进行肤色分割,排除背景干扰,最后用Adaboost算法对可能区域进行检测,得到人脸位置。实验表明,该方法误检率低,鲁棒性好,对人脸检测有较强的实用性。     

一种基于改进LBP特征的人脸检测方法

基于传统LBP特征人脸检测方法的不足,提出针对LBP特征描述方法进行改进,建立LBP特征金字塔,调整LBP的特征描述方式使其在多尺度的图像中有较好的描述能力。并且设计Real Adaboost分类器实现对改进LBP特征的分类,为人脸检测提供了一种新的方法。实验结果表明,基于改进后的LBP特征人脸检测方法的最大检测率为94.1%,高于Haar算法的92.8%和传统LBP算法的93.2%,所以改进后的算法对人脸具有更好的描述和鉴别能力。     

基于差分特征的多视角人脸检测

针对真实环境下的多视角人脸检测问题,提出了一种基于差分特征的多视角人脸检测算法。它综合运用2种不同的差分特征:一阶NPD特征与二阶Laplace特征,结合Gentle Adaboost算法与分类回归树(CART),分别训练基于一阶和二阶差分特征的人脸检测器,再将这2种差分特征的检测结果进行融合,得到最终的人脸检测结果。本文的差分人脸检测器充分利用了2种差分特征的互补性,结合了一阶特征对光照的鲁棒性和二阶特征对旋转的鲁棒性,从而更好地实现了复杂环境下的多视角人脸检测。在CMU-MIT和FDDB两大公开人脸检测数据集中对提出的方法进行验证,结果证明了本文提出的差分人脸检测器的有效性,能够较好地检测复杂环境下的多视角人脸。     

基于Adaboost的人脸检测算法研究

Paul Viola和Michael Jones曾提出的基于积分图象和Adaboost算法构建层叠式(cascade)人脸检测器,是人脸检测算法上的里程碑事件。先利用积分图象在常数时间内快速计算矩形特征,再用Adaboost算法训练这些矩形特征组成强分类器,从而使分类器的速度大大提高。此外,构造层叠分类器,首先简单的强分类器排除大多数非人脸窗口,减轻复杂分类器的负担,进而提高速度。     

一种改进的基于ASM模型的人脸跟踪算法

ASM主动形状模型是一种基于点分布的模型。在该模型中,外观相似的物体,可以通过一定数量的关键点坐标来表示出位置和相对应的顺序。在常规的基于ASM模型的人脸跟踪技术中,会发生拟合点漂移的现象,造成定位的不准确。文中提出一种结合了Adaboost人脸跟踪和传统的ASM模型的算法,能够有效地减少在传统ASM模型中出现的跟踪漂移现象。     

基于DM6446的人脸检测与跟踪系统设计

将Adaboost人脸检测算法与Camshift跟踪算法相结合,以Adaboost人脸检测算法作为人脸的初始定位,以Camshift作为后续帧的跟踪,实现对视频序列的自动人脸检测与跟踪。系统所有算法均使用C和汇编语言混合编程并在TMS320DM6446上开发实现。实验结果表明,系统的算法简单、快速、鲁棒性强。     

采用Gentle AdaBoost和嵌套级联结构的实时人脸检测

本文提出一个基于Gentle AdaBoost和嵌套级联结构(Nesting Cascade Structure)的快速人脸检测器。采用嵌套级联结构并在训练过程中剔除前级节点分类器已使用过的特征,解决了经典的AdaBoost级联分类器因各节点分类器独立训练导致不同节点之间特征相同的弱分类器大量存在而影响检测速度的问题,提高了人脸检测速度。采用Gentle AdaBoost算法训练节点分类器以提高各节点分类器的泛化能力,进一步减少嵌套级联结构中弱分类器的个数。实验结果表明本文所提出的人脸检测算法大幅度减少了级联分类器所需的弱分类器个数,使检测的速度得到明显的提高,在CIF(352×288)格式的视频上达到每帧8毫秒的检测速度,优于现有的人脸检测算法,而且检测的准确性也比现有的人脸检测算法略有提高。      

嵌入式人脸检测算法的研究与实现

使用人脸类Haar特征、快速人脸检测算法Adaboost进行人脸检测。针对ARM的不足,将经过PC机训练得到的人脸分类器文件通过网络传输到嵌入式平台,结合人脸检测算法,实现了一种嵌入式人脸识别系统,较好地解决了嵌入式人脸检测系统由于训练人脸图像数据巨大而造成处理效率低的难点。基于EELiod 270嵌入式开发平台实现了...     

基于DM642的实时人脸检测系统的实现

人脸检测作为人脸分析的首要环节,在计算机视觉、模式识别、多媒体技术研究等领域中占有日益重要的地位。为了在嵌入式系统中实现人脸的实时检测,研究了基于TMS320DM642的人脸检测设计方案。提出了一种基于简化Gabor小波特征和层次型支持向量机的人脸检测算法,针对该算法与TMS320DM642的结合进行了系统设计和代码移植,阐述了算法性能的优化方案。优化后的检测算法满足了实时性要求,为实际应用奠定了基础。     

融合多特征的人脸检测方法

针对复杂环境下基于肤色模型的人脸检测误检率较高以及Adaboost算法对高分辨率图像时间效率低,提出了一种新的结合肤色模型和皮肤纹理特征以及Adaboost级联分类器的人脸检测方法,并改进了基于纹理刷色阶偏差法的皮肤纹理特征提取方法。该算法充分融合了肤色模型简单快捷、皮肤纹理突出的特性以及Adaboost级联分类器检测率高等优点。实验表明,该方法检测率高且有较好的鲁棒性。     

基于TMS320DM642的实时语音处理系统

设计了一种基于DSP的实时音频处理系统,介绍了音频解码芯片TLV320AIC23B的基本特点和使用方法,详细描述了该芯片与DM642的McASP接口的连接方式,使用了2个ping-pong缓存实现了输入和输出的匹配.该系统具有良好的通用性,可以广泛应用干各种音频处理应用.     

基于DM642的运动目标检测系统设计与实现

设计了一个实现运动目标检测的实时算法,包括预处理、背景获取、背景更新、二值化及目标提取等,并在DM642硬件平台上实现了该算法,取得了较为满意的检测效果。     

一种DM642系统中的USB接口设计

介绍了TMS320DM642系统中的高速USB 2.0芯片ISP1761的接口设计方法。首先对ISP1761的主要特点进行了介绍并给出了关键的电路连接图,然后对软件架构进行了介绍,详细说明了USB芯片的配置、USB驱动、UFI驱动和文件系统的设计。     

基于DM642的远程网络视频监控系统

设计了一个稳定、实用的远程网络视频监控系统,利用网络化的监控系统管理软件,通过TMS320DM642数字图像处理板卡的实时视频分析,实现了对多路视频输入的远程智能监控.描述了整个系统结构设计,分析了系统各模块的工作流程.实验表明该系统具有良好的可扩展性,可以实时、稳健地完成基于网络的远程监控,为多种视频监控算法提供了完整的软硬件平台.     

基于DM642的智能视频监控系统的DSP实现

实现了基于多媒体数字信号处理器TMS320DM642的智能视频监控系统,包括基于DSP系统构架以及算法的DSP实现.     

基于DM642的X264视频监控系统的软件实现

视频监控系统对视频压缩率和编码实时性具有很高的要求，X264算法的高压缩率和DM642处理器的高性能正好满足这两个需求。文中分析了基于DM642的X264视频监控系统的软件实现，讨论了基于RF5的算法移植过程和移植后的程序优化，并给出了QCIF格式的实时视频编码的优化结果。     

基于DM642的图像处理系统设计及应用

如何高速、有效、实时采集视频是图像通信与图像处理的基本研究问题之一。由于视频信号数据量大,视频处理算法复杂,所以基于通用DSP芯片的采集系统难以满足要求。设计一套基于TI公司DM642(数字媒体处理器)为核心的视频采集处理系统,其中利用Philips公司的SAA711X/21系列芯片完成视频采集功能,利用DM642完成视频的实时处理。经测试系统能够很好地完成视频的采集和实时处理。最后给出一个基于该系统的图像处理实例。     

基于TMS320DM642的嵌入式网络视频监控系统

设计了基于TMS320DM642的嵌入式网络视频监控系统.该系统充分利用DM642在片外设丰富和数据处理能力强的特点,系统硬件电路接口简单,系统软件功能完善,处理速度快.测试结果表明,该网络视频监控系统具有稳定性高、图像质量好、网络传输性能稳定等特点,达到了实际应用的要求.     

采用DM642平台设计MPEG-4视频流传输系统

介绍了在DM642平台上实现监控系统中视频流子系统的设计方案和关键技术,提出了基于B/S架构的传输系统的设计方法,可为用户提供远程访问.该系统采用流媒体协议对MPEG-4数据进行流化和传输,具有较好的传输质量和监控效果;且支持RTSP协议远程点播功能,提高了用户与服务器的交互性.实验结果表明,该设计方法较大地提高了系统的可扩展性和开发的质量,有较强的实用性.