人脸图像的预处理

该文选取了ORL人脸库作为实验对象,采用相应的预处理算法来摒除噪声、倾斜等因素的影响,提高了人脸的识别效果。     

一种改进的人脸检测算法

在Hsu, Abdel Mottaleb and Jain提出的检测算法（简记为Hsu法）的基础上,提出一种改进的适用于彩色图像的人脸检测算法。使用相关技术对原图像进行预处理,采用高斯分布模型代替椭圆参数模型得到原始图像的肤色概率图,在不影响准确度的前提下提高了检测速度;采用自适应阈值和直方图法相结合选取肤色分割阈值更准确;根据人眼信息在子图像上进行人眼检测。经实验验证,该算法能较好地检测出复杂条件下的人脸,与Hsu法相比速度有较大的提高。     

视频序列中的人脸检测与定位算法研究

在研究和分析各种人脸捡测与定位算法的基础上,并以计算简单、速度快、能精确地提取视频序列中的人脸为原则,提出了一种新的基于运动信息与边缘投影函数相结合的视频序列中的人脸检测与定位算法.该算法设计了双阈值Sobel算子进行边缘检测,该算子检测到的图像边缘清晰、细致、噪声少;提出了平方投影函数,该投影函数不但可区分均值相同的区域,而且可区分方差相同的区域.将边缘函数与投影函数结合起来设计的人脸检测与定位算法简单实用.     

人脸图像的预处理方法及其实现

本文详细地说明了人脸图像的灰度变换、二值化、剪裁和图像的归一化等图像预处理的方法及其实现。     

基于肤色信息的人脸检测和人眼定位方法

提出的人脸检测和人眼定位方法利用人类肤色在YIQ颜色空间分布的稳定性,检测出图像中的皮肤区域,然后利用人脸的特征知识来判断人脸的存在,通过计算脸部特征的对称性,从而精确定位。实验结果证明了方法的有效性。     

一种改进的多源异构数据预处理方法

数据预处理是所有数据融合中必不可少的内容,该阶段的关键操作是处理噪声数据,去除噪声有助于提升模型的训练结果。基于此,结合已有的研究成果,引入相似度度量的概念,在余弦相似度的基础上,用余弦值表示样本点和聚类中心之间的夹角,用该值对欧氏距离进行加权,将二者结合,构造出一种新的数据去噪方法。     

一种基于灰度图像的人脸检测及眼睛定位算法

利用灰度积分投影直接对人脸图像进行检测和眼睛定位是一种常用的算法,但是直接采用该算法会受到背景、特征等因素的影响,识别准确率较低。提出了一种基于最大类问方差阈值和区域膨胀相结合的检测与定位算法。该算法首先计算最大类间方差设置阈值,把灰度图像转换为二值图像并检测出人脸区域,然后通过对该人脸区域中的连通区域进行膨胀及连通性处理,精确定位眼睛坐标。实验表明,此算法可靠,具有较好的识别效果。     

一种在光照变化条件下的人脸图像预处理算法

光照变化条件下的人脸图像识别一直以来都是图像处理中的热点和难点问题。为了提高人脸图像的识别率,本文提出了一种用于非均匀光照条件下人脸预处理中的算法,推导出了相对完整算法。通过Matlab编程实验,在Yale人脸库中达到了较高的识别率。     

一种人脸检测方法①

通过定义曲线的平均斜率（Curve Avage Slope）,利用灰度投影曲线和曲线平均斜率在图像中寻找出人脸的左右边界,然后根据人脸的其他特征,比如头发颜色,皮肤颜色,眼睛特征,寻找出人脸的上下边界,从而检测出图像中的人脸区域。     

一种改进的人脸图像眼睛快速定位方法

基于广义对称变换的原理，对传统的眼睛检测算法进行了改进。首先，利用面部眉眼区域的灰度呈纵向明显变化的特点，应用积分图法快速地初步定位眉眼区域，在这些候选的区域内用对称变换法检测候选的眼睛点，最后根据先验知识确定眼睛对。实验结果表明本方法简便易行，速度快，定位准确度较高。     

基于特征脸和BP神经网络的人脸识别*

利用类间的散布矩阵,寻找特征脸子空间,让每一类在子空间中散布得更开;然后结合BP神经网络学习能力强、分类能力强的优点,利用它实现分类器。具体是将所有的样本投影到特征脸子空间中,并将每一个样本得到的特征系数作为BP神经网络的输入。实验证明,这种方法是有效的。     

基于眼睛特征的人脸检测方法*

由于眼球的灰度级较低,而眼球周围白色区域的灰度级较高,因此在其交界处灰度级产生强烈突变。利用这一特征先从图像中找出可能的眼睛对,定位可能的人脸区域,通过计算其对称性来确定各种人脸特征的存在,更进一步验证可能的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。     

一种改进的三维人脸重构方法

提出一种改进的三维人脸重构方法。该方法采用基于单个相机的双目立体视觉系统对人脸进行采样,根据人脸对称性假设,运用补洞与纠错技术进行自动点云优化。继而采用简化的Candide-3模型作为细分初始控制网格,局部加细地进行细分曲面分层次拟合操作,采用测地线映射技术对不同表情进行归一化,并分别建立人脸数据库。实验结果表明,采用单相机立体视觉系统在提高重建精度的同时,很大程度上避免由于双相机拍摄不同步引起的重建鲁棒性降低问题。而采用细分曲面作为存储结构,在节约空间的前提下,为分层次比对筛选提供理论支持。该系统成本较低,适合在许多领域推广应用。     

改进的肤色提取法在人脸检测中的应用

研究了人脸检测中的肤色提取问题,针对常用的肤色模型提取法提取效果较差、去除背景较少的缺点,逐个分析常用肤色模型的优缺点,提出综合肤色模型提取法(CCM),并结合AdaBoost算法进行人脸检测.试验论证,上述方法去除复杂背景效果好,使肤色区域能够准确的从非肤色背景中分离出来.人脸检测过程中,通过调整AdaBoost人脸检测算法中的检测窗口的放大倍数和移动步长,加快了检测速度.检测数据表明,该方法有效地提高了检测率,减少了检测时间.     

用差影法与多模板匹配快速实现人脸检测

提出了一种用差影法与多模板匹配快速实现人脸检测的方法。该方法减小了搜索人脸的范围,减少了运算量,提高了检测的速度,具有较强的鲁棒性,而且通过适当地增加样本可望进一步提高检测性能,具有一定的可扩展性。实验证明,其最突出的优点是误检率非常低。     

一种改进的基于人脸特征的人脸检测方法

人脸检测技术应用十分广泛,可用于生物特征识别、视频会议、图像与视频检索以及人机智能交互界面等。目前的算法大多依赖于一定的约束条件。文章提出了一种改进的人脸检测方法,该方法利用了肤色在色彩空间的局部性和五官在人脸相对位置的不变性。实验结果表明,该算法结合了肤色和人脸特征的信息,提高了检测的准确度。     

一种基于AdaBoost的快速动态人脸检测算法

提出了一种结合人脸检测和跟踪的快速动态人脸检测算法。在层次型AdaBoost检测算法的基础上，结合提出的一种基于线性预测的人脸跟踪算法来缩小搜索空间，使得检测速度提高到24ms／帧。还设计了一种结合层次型AdaBoost算法、负样本反馈方式和利用权值缩减训练时间的检测器训练方法，可以方便地应用于物体检测技术上。     

基于图像子空间的改进商图像方法

光线变化将显著降低人脸识别系统的性能。Shashua et al．提出了一种处理人脸识别中的光线变化问题的简便方法——商图像方法。在本文中，我们从图像子空间的角度对商图像方法进行了分析，理论分析和实验表明，这种方法存在的主要缺点有：1）不准确的理想类假设；2）简单的三维点光源模型无法很好地近似任意光照情况。针对这些不足，我们提出了一种基于图像PCA子空间的改进商图像方法，以克服这些缺点。我们的方法能够较好地满足商图像方法的理论前提，从而达到更好的图像合成效果和人脸识别性能。     

人脸图像自动检测与识别

对人脸图像检测与识别技术的研究现状进行简要论述,并自行设计一个人脸特征自动提取系统。首先找到头部轮廓,再利用"三停五眼"标准确定五官位置,然后提取出七个有效的特征点。     

一种改进的利用五官特征的人脸识别方法

提出一种利用人脸五官区域特征来取代整张人脸的识别方法,解决肤色区域受光线变化时识别率不高的问题.首先是用Active Appearance Model(AAM)侦测出所需要的五官影像,然后使用Principal Component Analysis(PCA)分别抽取五官的特征向量同时降低数据维度,将特征向量用K-means方法分类,再使用Support Vector Machine(SVM)K个类别的数据训练出一个分类模型.最后识别时,将各个模块的识别结果用投票法整合.通过实验表明去除掉容易受到光线影响的肤色区域,改以五官特征为识别的依据是可行的.相对于EigenFace方法的识别率,也有了显著提升.