人脸自动定位及其系统实现

人脸自动定位技术在智能视频通信、视频监控以及娱乐等领域有着广泛的应用。通过将基于肤色的人脸检测和基于人工神经网络的控制策略相结合,提出一种新的人脸自动定位算法。该算法简单有效,克服传统跟踪算法中需要利用帧间相关信息和需要标定摄像机的缺点,只需通过人脸检测程序给出人脸特征点在计算机图像中的坐标,就可直接得出摄像机水平调整量和垂直调整量,根据调整量控制摄像机运动即可将人脸自动定位在图像中心。最后利用面向对象的方法实现了系统,并且取得了满意的效果。     

基于Boosted Cascade算法的人脸检测和跟踪系统

将基于Boosted Cascade的人脸检测算法运用到视频图像当中,并结合图像序列中的运动信息,提出并实现了一种实时的人脸检测跟踪系统.首先根据图像的运动信息提取出可能存在人脸的候选区域,然后在候选区域中用Boosted Cascade算法进行检测.实验结果表明该系统能够实时地对于人脸进行检测跟踪,可以被应用在智能视频监控方面.     

银行营业场所智能视觉监控系统

介绍一种自动人脸检测与跟踪的智能视觉监控系统,它可以获取进入银行营业场所人员的清晰正面像.结合自适应阚值判定运动像素点分离运动目标、肤色特征、多级Adaboost分类器和Hausdorff距离实现实时人脸定位;用检测到的人脸位置来初始化跟踪算法实现快速人脸跟踪;以及基于对象的视频编码传输以及算法的DSP实现.     

基于YCbCr高斯肤色模型的人脸检测技术研究

人脸的检测是人脸信息处理领域中的一项关键技术,其自动人脸识别系统、基于内容的检索、视觉监测、新一代人机交互技术等领域具有广阔的应用前景。而高斯模型是模型识别研究中经常用到的一个模型。建立一种基于YCbCr高斯肤色模型,并对其进行验证和分析,随后对二值化图像进行基于数学形态学和连通区域分析和处理,尽可能地去掉大部分非人脸区域,对于人脸识别的研究有一定的价值和意义。     

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。     

人脸检测跟踪与特征点定位系统

实现的人脸检测跟踪与特征点定位系统,基于VC++6.0开发平台,使用opencv作为开发工具,有效缩短了系统的开发时间。首先,本系统采用adaboost算法进行人脸检测,通过合理的特征模板的选择实现了人脸的实时检测;其次,人脸跟踪模块选用camshift算法,利用人脸检测模块生成的人脸坐标传递给跟踪模块,实现人脸的自动实时跟踪,同时建立多个camshift跟踪器对多人脸进行跟踪,并有效地解决了人脸遮挡的问题;最后,通过ASM(active shapemodel)算法实现了实时人脸特征点定位。实验结果表明该系统实现的人脸实时检测跟踪及特征点定位,效果明显,可以作为表情分析和情感计算、视频人脸识别开发的基础。     

一种同步人脸运动跟踪与表情识别算法

针对单视频动态变化背景下的人脸表情识别问题,提出了一种同步人脸运动跟踪和表情识别算法,并在此基础上构建了一个实时系统.该系统达到了如下目标:首先在粒子滤波框架下结合在线外观模型和柱状几何模型进行人脸三维运动跟踪;接着基于生理知识来提取人脸表情的静态信息;然后基于流形学习来提取人脸表情的动态信息;最后在人脸运动跟踪过程中,结合人脸表情静态信息和动态信息来进行表情识别.实验结果表明,该系统在大姿态和丰富表情下具有较好的综合优势.     

一种基于人脸表情识别的软件自动换肤技术研究

人脸表情识别和软件换肤分别作为人机交互中的智能化和人性化技术得到了深入的研究.文中结合以上两种技术提出了基于人脸表情识别的软件界面自动换肤思想,介绍了一种软件界面自动换肤系统的设计,并讨论了主成分分析检测定位模型.仿真结果证明了该方案的可行性.     

多人脸跟踪与最佳人脸提取

针对视频人脸识别系统中同一人脸重复识别的问题,文中提出了一种多人脸跟踪与最佳人脸提取的方法。通过ViBe算法提取运动区域,缩小数据处理区域及确定执行人脸检测;利用Haar特征结合AdaBoost算法检测人脸,并根据肤色检测判断是否有误检;利用CamShift算法跟踪人脸;再使用Sobel算子得到清晰的人脸图片。实验表明,该方法下人脸误检率由2.8%降到0.2%,对于100帧视频平均处理时间从原始每帧112 ms降低到了45.6 ms,其处理速度明显提升。     

特征提取在人脸自动识别技术中的研究

人脸识别技术目前是生物特征识别中研究的热点之一,在商业、司法、监控和视频检索等领域有着广泛的应用前景。人脸特征的自动提取则是人脸自动识别过程中至关重要的环节。主要基于主成分分析PCA、线性差别分析LDA和非负矩阵分析NMF三种常用的子空间分析方法进行人脸特征提取的研究。     

Joint face and head tracking inside multi-camera smart rooms

The paper introduces a novel detection and tracking system that provides both frame-view and world-coordinate human location information, based on video from multiple synchronized and calibrated cameras with overlapping fields of view. The system is developed and evaluated for the specific scenario of a seminar lecturer presenting in front of an audience inside a “smart room”, its aim being to track the lecturer’s head centroid in the three-dimensional (3D) space and also yield two-dimensional (2D) face information in the available camera views. The proposed approach is primarily based on a statistical appearance model of human faces by means of well-known AdaBoost-like face detectors, extended to address the head pose variation observed in the smart room scenario of interest. The appearance module is complemented by two novel components and assisted by a simple tracking drift detection mechanism. The first component of interest is the initialization module, which employs a spatio-temporal dynamic programming approach with appropriate penalty functions to obtain optimal 3D location hypotheses. The second is an adaptive subspace learning based 2D tracking scheme with a novel forgetting mechanism, introduced to reduce tracking drift and increase robustness. System performance is benchmarked on an extensive database of realistic human interaction in the lecture smart room scenario, collected as part of the European integrated project “CHIL”. The system consistently achieves excellent tracking precision, with a 3D mean tracking error of less than 16 cm, and is demonstrated to outperform four alternative tracking schemes. Furthermore, the proposed system performs relatively well in detecting frontal and near-frontal faces in the available frame views. This work was performed while Zhenqiu Zhang was on a summer internship with the Human Language Technology Department at the IBM T.J. Watson Research Center.     

基于计算机视觉技术的人脸检测系统设计

通过对基于Haar-like特征的AdaBoost人脸检测算法研究,利用由该算法训练的级联分类器和计算机视觉类库OpenCV进行人脸检测系统设计,实现了基于静态图像、摄像头视频和avi视频的人脸检测与标记,以及标记后的人脸区域图像实时显示和存盘。此外,在VC＋＋6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表...     

Face detection and tracking using a Boosted Adaptive Particle Filter

A novel algorithm, termed a Boosted Adaptive Particle Filter (BAPF), for integrated face detection and face tracking is proposed. The proposed algorithm is based on the synthesis of an adaptive particle filtering algorithm and the AdaBoost face detection algorithm. An Adaptive Particle Filter (APF), based on a new sampling technique, is proposed. The APF is shown to yield more accurate estimates of the proposal distribution and the posterior distribution than the standard Particle Filter thus enabling more accurate tracking in video sequences. In the proposed BAPF algorithm, the AdaBoost algorithm is used to detect faces in input image frames, whereas the APF algorithm is designed to track faces in video sequences. The proposed BAPF algorithm is employed for face detection, face verification, and face tracking in video sequences. Experimental results show that the proposed BAPF algorithm provides a means for robust face detection and accurate face tracking under various tracking scenarios.     

An automatic algorithm for semantic object generation and temporal tracking

Automatic semantic video object extraction is an important step for providing content-based video coding, indexing and retrieval. However, it is very difficult to design a generic semantic video object extraction technique, which can provide variant semantic video objects by using the same function. Since the presence and absence of persons in an image sequence provide important clues about video content, automatic face detection and human being generation are very attractive for content-based video database applications. For this reason, we propose a novel face detection and semantic human object generation algorithm. The homogeneous image regions with accurate boundaries are first obtained by integrating the results of color edge detection and region growing procedures. The human faces are detected from these homogeneous image regions by using skin color segmentation and facial filters. These detected faces are then used as object seed for semantic human object generation. The correspondences of the detected faces and semantic human objects along time axis are further exploited by a contour-based temporal tracking procedure.     

一种融合流形学习的视频人脸性别识别改进算法

如何有效利用视频中人脸之间的时空连续性信息来克服人脸分辨率低、图像尺度变化大和姿态、光照变化以及遮挡等问题是视频人脸识别的关键所在.提出了一种基于流形学习的视频人脸性别识别算法.该算法不仅可以通过聚类融合学习来挖掘视频内在的连续性信息,同时能发现人脸数据中内在非线性结构信息而获得低维本质的流形结构.在UCSD/Honda和自采集数据库上与静态的算法比较结果表明,所提算法能够获得更好的识别率.     

基于Nios II软核的人脸目标实时跟踪系统

提出采用低功耗芯片EP3C40为核心,结合Nios II软核处理器的高处理性能,实现人脸视频信号采集与跟踪,并将相关检测跟踪算法移植于Nios II处理器协同工作的方式实现整体系统的工作。实验结果表明,在环境微弱变化以及人脸不同姿态下,系统都能检测并准确跟踪,同时硬件可重构能力强,算法简单、快速、鲁棒性强。     

彩色序列图像的人脸检测和识别系统

文中实现了彩色序列图像的人脸检测和识别的系统.所用到的关键性技术是肤色运动分析、主成分分析(PCA)和支撑向量机(SVM).首先根据彩色序列图像中人脸的色度特性、运动特性、几何特性和灰度分布特性完成人脸的检测工作;其次通过人脸模式之间的相关性进行主成分分析,提取并且选择特征,将所选择的特征训练SVM,最后用已经训练好的SVM完成对人脸的识别任务.系统算法结构遵循以下原则:先使用运算量少的简单方法尽可能减少搜索空间,然后在已经大大减少的空间中再用复杂方法处理,可以在保持高的检测和识别率的同时,提高系统响应速度.     

基于平均序列SRC的视频人脸跟踪和识别研究

为了从大字典视频中跟踪和识别人脸,提出了一种基于平均序列的稀疏表示分类端到端识别方法。首先,利用所有可用视频数据和属于同一个人的人脸跟踪帧进行联合优化;然后,将严格的时间约束添加到l1-最小化;最后,运用人脸跟踪中所有单个帧重建各个身份,利用稀疏重建完成人脸分类。在You Tube人脸数据集上的实验验证了本文方法的有效性,在You Tube名人数据集和本文搜集的电影预告片数据集上的实验结果表明,相比几种较为新颖的分类方法,该方法取得了更高的识别精度,并且在拒绝不明身份上的准确率比SVM高8%。