基于知识库进行人脸图像特征提取的研究

采用区域性增强法对人脸图像进行预处理，用基于知识库的方法提取人脸几何特征．通过选用人脸上３２个特征点，结合人像学，美学原理及人脸识别的心理特征，提出一种简便的，高精度的“知识库”法和“区域处理”法，使人脸图像可有别于其它图像进行处理．     

彩色图像中的正面人脸检测的研究

提出了彩色图像中一种人脸检测方法.该方法利用肤色模型分割出彩色图像中的肤色区域,并将同一幅图片用不同的肤色模型分割后的图像进行融合,这样能较好地获取肤色区域.将彩色图像中的肤色区域转换为灰度分布图,用正面人脸的结构规则筛选出肤色区域中的人脸区域.结果表明:该方法能快速地较为准确地定位彩色图像中的正面、小角度偏侧的人脸.     

基于形状特征的人脸检测技术

人脸识别具有其他生物特征识别技术所无法比拟的直接、友好、方便等优点。论述了人脸检测的概念和研究现状,分析了人脸检测系统中图像灰度化、图像增强、图像二值化滤波等图像预处理技术,探讨了基于形状特征的人脸检测技术的应用前景。     

基于CycleGAN的非配对人脸图片光照归一化方法

针对人脸识别过程中光照对识别结果的影响问题,提出了一种基于CycleGAN的光照归一化方法.使用了生成对抗式的网络结构,利用图像翻译的原理,将较亮图片的光照风格迁移至较暗图片,同时保持原人脸表面平滑且结构基本不变.使用非配对的数据集,无需人工标注标签,简化了数据准备阶段的工作,达到了利用无监督的深度学习方法去除图片光照影响的目的.最后用训练好的模型处理CroppedYale测试集,比较处理前后的人脸识别准确率.实验证明,本文方法具有较强的降低人脸光照对识别率影响的能力且基本不改变人脸结构,有利于提高人脸识别的准确率.     

人脸图像的LTP特征提取

人脸特征提取是人脸识别过程中的关键步骤.基于局部二值模式(LBP)理论,尝试了一种基于局部三值模式(LTP)纹理特征提取方法.在一个窗口中将邻域像素值与中心像素值和阈值t的和差进行比较,从而根据像素不同位置进行加权求和求出LTP正负值,即可求得灰度值,最终得到LTP特征提取结果.在MATLAB软件平台上进行了算法仿真,实验结果表明,与基于LBP局部纹理描述的算法相比,基于LTP局部纹理描述的算法具有更强的判别能力,特别是对于统一区域的噪声具有更强的鲁棒性.     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量（H,Cg,Cr）T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

基于改进YOLO-MobileNet的近红外图像特征驾驶员人脸检测

针对暗光环境下驾驶员人脸检测问题,提出了一种基于改进YOLO-MobileNet轻量级深度学习算法的近红外图像特征驾驶员人脸检测方法。以高于人眼敏感范围但在CMOS响应范围内的近红外光对人脸进行补光,使用摄像头采集图像,通过经改进并且轻量化的YOLO-MobileNet网络进行特征提取。试验结果表明：在FADIA数据集上,改进后的算法检测精度为84.93%, YOLOv5s算法为85.37%,改进后检测精度降低了0.44%,但检测速度提高了7.6毫秒。     

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。     

Adaboost人脸检测算法研究及OpenCV实现

针对复杂背景条件下人脸检测的检测率低速度慢的问题,选用了基于统计的人脸检测算法．详细介绍了Adaboost人脸检测算法的原理及训练流程．利用OpenCV图像处理软件与Adaboost人脸检测算法的结合模块,选取扩展的Haar特征,实现了人脸检测并给出了检测结果．设计的检测器对592个人脸漏检62个,可达倒20帧／s左右．因此该方法具有较高的准确度和实时性．     

基于局部自我相关函数光线照明变化下的人脸检测

针对照明变化条件下人脸图像检测精度相对较低的问题,以照明变化下的人脸检测为研究对象,提出局部自我相关函数(local autocorrelation, LAC),研究基于Adaboost算法下采用局部自我相关函数为前处理的光照变化下人脸检测。提出了局部自我相关函数定义模型,对局部自我相关函数的物理特性进行分析,从理论上验证局部自我相关函数对线性照明变化的鲁棒性。采用卡内基梅隆大学的人脸照明变化数据库(CMU PIE Database)作为检测数据验证基于局部自我相关函数的光线照明变化下的人脸检测,实验结果证明了局部自我相关函数消除照明变化对人脸检测精度影响的有效性。     

一种改进的基于小波变换的人脸光照归一化方法

针对光照对人脸识别影响的问题,提出了一种改进的基于对数域多级小波分解的光照归一化方法。首先将手工裁剪后的人脸图片进行对数变换,然后将对数域图像进行多级小波分解,将低频系数置零,并将多个尺度上的高频系数分别乘以不同的高频增益,突出光照不变性分量。采用经典的PCA人脸识别算法,在耶鲁B与CMU PIE人脸数据库的实验结果表明,本文方法能有效地消除光照对人脸识别的影响,并有效提高识别率。     

一种新的人脸归一化算法

提出了一种基于改进的局部梯度算子进行嘴角定位、同时结合双眼位置进行人脸归一化的新方法.该方法首先通过Adaboost算法检测出人脸图像、眼睛和嘴部区域大致位置,然后采用灰度积分投影法精确定位两眼位置,并根据改进的局部梯度算子提取嘴部轮廓,最终依据两眼与嘴角的精确位置对人脸进行旋转和双向尺寸缩放处理.实验结果表明,该算法对特征点定位准确,能够更加精确地对人脸进行归一化处理.     

基于方向扫描的图像光照补偿算法

提出了一种基于二维图像信息的人脸光照补偿算法。基于人脸形状与球面相近的假设,首先沿人脸对称方向估算均匀光照下人脸图像灰度的统计信息,并对统计信息进行数据拟合,构建标准光照模型;然后估算非均匀光照下人脸图像的大致光照方向,并沿垂直光照方向对图像灰度进行统计分析;最后利用标准光照模型,结合线性和非线性变换,把非均匀光照下人脸图像调整到标准状态。在Yale B人脸库上的处理结果表明,该算法可以解决大角度斜光照和极度暗光照情况下光照补偿问题,且算法简单计算量小。     

基于人脸色温的拼接图像篡改检测

针对人脸拼接篡改图像,提出一种判断人脸合成的图像篡改检测方法。以人脸作为检测目标,利用目标检测技术,对图像中的人脸进行定位后估计人脸色温,然后估计参考色温,计算人脸色温与参考色温的色温距离,找出色温异常的检测目标视为篡改目标,并用该算法定位出篡改目标的精确位置。实验结果验证了该算法具有的有效性。     

基于尺度不变特征变换的平面旋转人脸检测

针对平面旋转人脸检测的问题,改进了传统的尺度不变特征变换(SIFT)算法,利用其旋转、缩放、平移及部分仿射不变性完成平面旋转人脸的检测。首先通过模板与对比度加权的方法对SIFT关键点进行裁减,以提高计算效率并过滤无效关键点,然后提出一种更精确的主方向计算方法确定关键点主方向,通过Adaboost算法训练人脸公共特征分类器并计算关键点的匹配率作为置信权值,完成平面旋转人脸的检测,并根据关键点主方向进行扶正。最后通过实验与传统方法进行了对比,结果表明:本文方法在保证检测率的同时,在扶正精确度、检测速度方面均有较大提高。     

彩色图像增强的几种方法研究比较

彩色网像中包含有丰富的细节信息,为了获得清晰的彩色图像,保护原有的彩色信息,消除亮度不够对彩色图像像质的影响,笔者在研究彩色图像增强原理的基础上,根据彩色图像的不同模型,对比了3种不同的彩色图像增强方法,并给出了实验结果。研究结果表明,应用增强彩色图像中的亮度信息的方法,既得到了清晰的彩色图像,又保护了原有的彩色信息,而且图像像质还强于Photoshop软件处理的效果。实验结果为彩色图像增强方法的选择提供了指导和参考依据。     

基于肤色分割的连续Adaboost人脸检测算法

针对彩色图像人脸检测问题,将连续Adaboost和肤色分割相结合对彩色图像人脸进行检测．先由连续Adaboost构造的瀑布型分类器检测出候选人脸区域,再对可能的人脸区域进行光照补偿后采用r-g颜色模型进行肤色分割,最终精确定位人脸．实验证明：该算法可以有效的降低连续Adaboost检测彩色人脸图像时的虚警率。达到较好的检测效果．具有一定的应用价值．     

3种光照条件下灰度图像边缘检测算法的研究

边缘检测对光照强度的反应很敏感,同一种算法很难对不同光照情况下的图像进行有效的边缘检测.通过对不同光照情况下的图像特征分析,提出了不同光照情况下的图像边缘检测算法：正常光照条件下采用Sobel算子进行边缘检测;弱光照条件时先用MSR（multi-scale retine）进行图像细节增强处理,再利用类别方差自动门限法得到图像边缘;强光照条件下通过灰度扩展,将所感兴趣的灰度范围放大得到图像的边缘.实例分析表明,该方法能够从灰度图像中获取较为理想的图像边缘,并具有一定的抗噪性能.     

基于同态滤波的彩色图像光照补偿方法

为了消除光照对彩色图像的影响,提出了一种基于同态滤波的光照补偿方法。在频域内采用同态滤波对图像进行处理,然后将巴特沃斯高通滤波传递函数引入同态滤波器中,设计出一种新的动态巴特沃斯同态滤波器,增强图像在YIQ色彩空间中的亮度分量,并保持图像色度分量不变。在增加图像高频分量的同时,削减低频分量,弥补由光照不足引起的图像质量下降,最终实现对图像的光照补偿。实验结果表明,该方法在弱化光照影响,提高图像质量方面具有良好的性能,是一种比传统高斯高通滤波和直方图均衡更有效的彩色图像光照补偿方法。