利用OpenCV实现在Android系统下的人脸检测

本文提出一种基于开源计算机视觉库 OpenCV（Open Source Computer Vision）实现 Android 系统下人脸检测的方法。简单介绍了开发环境搭建以及利用 Android 程序框架实现此应用程序的过程,同时详细阐述了利用 JNI（Java Native Interface）调用 OpenCV 相关函数的具体步骤,以及采用 Android NDK（Native Development Kit）生成共享库的关键过程。实验结果表明此 Android 应用程序人脸检测功能性能良好。     

基于OpenCV的通用人脸检测模块设计

人脸检测是智能视频监控系统中的重要组成部分,OpenCV实现的Adaboost人脸检测算法达到了实时检测人脸的处理速度.但在实际应用中,由于平台移植等障碍,现有系统升级兼容此模块困难.本文提出了一种支持多编程语言平台的通用人脸检测模块,详细阐述了.NET平台调用技术和改进的JNI方法调用OpenCV人脸检测模块的具体步...     

利用计算机视觉库的Android平台系统道路识别

利用计算机视觉库OpenCV和Android NDK编译技术在Android平台上实现道路识别的处理过程。首先简要介绍了开源计算机视觉库OpenCV及其移植到Android平台上的方法,该方法使Android平台的应用更加广泛,能够更好地实现各种复杂图像的处理。图像处理部分采用OpenCV的霍夫变换算法以及对象跟踪技术,经过Android平台上的测试,取得了较好的效果。     

基于Emgu CV的人脸识别

Emgu CV是.NET平台下对OpenCV图像处理库的封装,可以实现人脸识别的判断。本文着重讨论了在. net下利用Emgu CV进行人脸检测、人脸识别、人脸比对、视频中的人脸识别。     

基于OpenCV人脸检测算法在嵌入式系统上的实现

随着信息处理技术的发展,基于嵌入式平台的便携的人脸检测技术便显得愈发重要。本文描述了如何基于OpenCV视觉库在嵌入式平台上利用类Haar特征和Adaboost算法实现人脸检测,并讨论了如何在嵌入式平台上优化算法。     

适用于Android平台的SG-YOLO人脸检测算法研究

现阶段对于人脸检测的研究主要在PC端，而基于移动设备如Android平台的人脸检测还在不断的改进之中。为了在Android平台提高人脸检测的速度和精度，在YOLOv4算法的基础上提出一个轻量级人脸检测算法SG-YOLO，在PC端训练好之后部署到RK3288主板的Android平台。实验结果表明，该算法在WIDER FACE数据集上有较高的准确率和检测速度，在Android平台可以满足人脸检测的实时性要求。     

基于SURF算法和OpenCV的人脸特征检测技术研究

人脸检测和人脸跟踪技术已成为计算机视觉领域研究的热点。针对SURF算法的优点,首先将SURF算法应用于人脸特征检测与跟踪,阐述了人脸跟踪系统设计方法,首先使用OpenCV技术实现了基于SURF算法的人脸特征跟踪系统。实验结果表明,基于SURF算法和OpenCV技术的人脸跟踪系统匹配识别效果和实时性较好,对人脸旋转、尺寸变化和环境光照变化具有较好鲁棒性。     

利用OpenCV实现在Android 系统下 的文档去黑边

本文提出一种基于开源计算机视觉库OpenCV 实现Android 系统下文档去黑边的方法。介绍了如何在Android 中使用OpenCV,详细阐述了利用JNI 调用OpenCV 相关函数的具体步骤,即在调用摄像头时,所要考虑的内容,以及采 用Android NDK 生成共享库的关键过程。实验结果表明,此Android 应用程序对不同场景下不同种类的文档进行实时去黑边 的功能性能良好。     

利用 OpenCV 实现在 Android系统上的图像边缘检测

论文提出了利用OpenCV实现在Android系统上图像边缘检测的方法。介绍了Android NDK开发环境的搭建,利用JNI调用OpenCV中的Canny算子,采用Android NDK生成动态链接库。实验结果表明在Android系统上图像边缘检测功能和性能良好。     

基于OpenCV 的人脸识别应用

在Linux平台下开发一人脸识别系统,通过QT来开发用户界面,调用OpenCV图像处理库对相机进行采集和处理采集图像,从而实现了人脸检测、身份识别、简单表情识别的功能。     

基于嵌入式Linux的便携式自动人脸检测与跟踪系统的应用研究

随着嵌入式微处理器、嵌入式Linux操作系统以及数字图像处理技术的深入发展,自动人脸检测和识别技术在具有嵌入式Linux操作的嵌入式开发平台中得到了发展和实现。本文在基于IntelPXA270嵌入式硬件开发平台和嵌入式Qt和开源计算机视觉库OpenCV软件开发平台基础上,对基于嵌入式Linux的便携式自动人脸检测和跟踪系统的应用进行了研究。     

基于OpenCV的形态处理人脸检测

在表情识别、目标跟踪等领域都有应用,人脸检测是人脸表情识别系统工作的前提和基础。通过比较分析两类人脸检测算法,提出了一种基于OpenCV形态处理检测人脸的方法,所介绍的形态处理既包括前期形态学变换,也包含后续几何约束、椭圆拟合等,并且利用OpenCV提供的函数库,结合VC++进行了测试,测试结果表明该方法可以实现图像中的人脸检测,并能得到较好的识别结果。     

基于帧间差分法和 AdaBoost 算法的人脸跟踪

对于人脸在复杂背景下的检测与跟踪问题,采用帧间差分法和形态学分割出运动区域,再使用 AdaBoost 级联分类器对运动区域扫描,以精确定位人脸。人脸检测成功后,通过保留和及时更新地成功检测到人脸的区域,使得当人脸运动较慢时候,或人脸静止时仍然能检测跟踪成功,利用 OpenCV 开源库和 Visual Studio 2005进行仿真,实验结果表明,在复杂的背景下,无论在人体处于移动正常、缓慢或静止的情况下,该方法都能实现单人脸检测跟踪,且跟踪速度较快。     

基于多层感知机模型的车牌识别技术

车牌识别是对实时图像中的车牌区域进行感知和截取,进行光学字符识别的过程.针对人工检测效率低的弊端,设计了一种应用于Android移动平台的车牌识别检测系统,利用OpenCV视觉开发库进行二次开发,使用支持向量机对图像进行判断,截取有效车牌区,并使用人工神经网络中的多层感知机模型实现字符的识别.测试结果表明,该系统检测速...     

基于CUDA的快速人脸检测算法

针对传统的CPU人脸检测程序难以满足高清图像实时检测要求的问题,本文提出一种在CUDA平台下基于Viola-Jones级联分类器的快速人脸检测算法,其中积分图计算、扫描窗口检测和分类器放大修正部分均进行了并行加速。扫描窗口检测采用的窗口重映射技术可有效解决非规则树结构应用的负载不均衡问题。实验结果表明,对于1080p图像,CUDA程序与CPU和OpenCV程序相比可分别实现17.04、3.22倍的加速比,同时具有相近的检测精度。     

基于OpenCV的摄像头实时人脸检测系统的设计与实现

人脸是确定人类身份的最重要的身份特征,本文利用OpenCV设计并实现了视频流中的人脸实时检测系统,并通过实验进行了验证,效果较好。     

基于人脸识别技术的Android平台隐私保护系统设计

Android移动设备的普及和其日渐丰富的功能,使其极大地融入了人们的生活,同时人们也对Android设备的信息安全提出了更高的要求。随着人脸识别技术的不断发展,人脸识别技术在现实生活中开始成功应用,成为一种有效的安全防护手段。文章围绕人脸识别技术,设计和实现了Android平台上的隐私保护系统。考虑到Android设备计算能力和存储能力的局限性,人脸识别的各个步骤使用了基于Haar特征的AdaBoost人脸检测算法和基于局部二值特征（LBP）的特征提取算法等简单高效的算法。文章最终实现了Android平台上的人脸识别系统,用人脸识别和文件加密对设备进行访问控制。     

基于Android系统的人脸识别门禁系统的设计

智能门禁系统是安全防护系统中重要的组成部分 ,本文采用人脸识别技术与手机端身份识别技术,设计了一种基于Android的人脸识别门禁系统,实现了用户在Android手机端进行人脸识别身份验证获取服务器发来的二维码作为开门“软钥匙”,用获取到的二维码去智能门禁终端进行扫码开门的功能。在人脸识别方面,采用了Adaboost人脸检测算法和PCA人脸识别算法,并结合OpenCV实现了门禁系统的人脸识别。测试结果表明：本系统具有良好的易用性、安全性,并且获得较高的人脸识别率和识别速度,从而弥补传统门禁的缺陷与不足。     

基于CNN的人脸年龄与性别检测系统设计

基于CNN的人脸年龄与性别检测系统以PyTorch中ResNet-50模型为主干网络,利用Wiki平台进行人脸原始图像采集预处理,构建年龄预测与性别判断分类器作为模型网络输出层,使用均方误差与交叉熵损失函数对年龄与性别结果进行预测输出。系统前端使用PyQt5构建图像识别、视频识别和实时摄像识别的交互界面,采用OpenCV对图像、视频或摄像头读取的每一帧图像进行人脸标注,将系统模型识别的人脸性别与年龄预测检测结果绘制成图像并展示。     

AdaBoost人脸检测算法在DSP上的移植与优化

将Viola等人提出的AdaBoost人脸检测算法由PC机移植到TMS320DM642嵌入式平台,采用EMCV （Embedded Computer Vision Library）移植方案,将PC平台的OpenCV（Open Source Computer Vision Library）视觉库中有关AdaBoost算法的模块修改使之适应嵌入式DSP平台。该移植工作主要解决了OpenCV在嵌入式平台的不兼容问题以及不同体系架构的编译器环境和库文件导致的编译和链接错误。优化工作在TI的编译器CCS中进行,在编译器平台下进行C语言的项目及程序优化,并进行了大量实验数据的对比,给出了优化的方案,对实现系统的实时性有指导性作用。