基于Adaboost算法的红外图像中人脸自动检测方法的研究

为了实现对红外视频图像中人脸的自动检测与跟踪,提出了一种基于Adaboost算法的红外图像自动检测方法。该方法通 过用Haar-Like特征和积分图概念描述人脸的基本特征和采用Adaboost学习算法和Cascade算法,提高了红外图像中人脸自动检 测的准确性和快速性。其检测速度为每秒15帧,检测精度达到了98.4%。通过大量实验证明,Adaboost算法在对红外图像中 人脸的自动检测方面具有优势。     

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。     

疲劳检测中人眼定位方法研究

针对疲劳检测系统应用环境背景简单的问题,提出一种人眼定位方法。该方法使用Adaboost算法对人眼样本进行训练,将训练结果用于人眼定位。相比于其他疲劳检测方法,该算法不必首先定位人脸,有更高的检测速度和检测率,同时对光照和人脸姿势有更好的鲁棒性。     

基于肤色分割与Adaboost融合鲁棒人脸检测方法

人脸检测广泛应用到人脸识别、数字视频处理、安全访问控制、视觉监测、基于内容的检索等领域.比较众多人脸检测算法,文章提出了一种改进的基于Adaboost算法的人脸检测算法.该算法的核心是肤色分割结合基于Adaboost算法的人脸检测.首先,对彩色图像进行肤色分割,通过肤色区域的大小和长宽比等规则去除部分类肤色区域,得到可疑的人脸区域.其次,基于Adaboost算法的灰度特征得到最终的人脸.通过大量彩色图像的实验,证实了该方法的准确性和鲁棒性.     

基于DSP平台的多视角人脸检测系统设计

为满足嵌入式领域多视角人脸检测的需要,在DSP(TMS320DM642)平台上实现了基于Real Adaboost算法的多视角人脸检测系统,并分别在算法级与平台级对其进行优化,最终达到了18fps的检测速度.实验证明,与传统的基于Discrete Adaboost算法的系统相比,该系统更加适合多视角人脸检测,极大地拓展了人脸检测技术的应用范围.     

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。     

一种考虑驾驶员姿态及光照因素的疲劳驾驶稳健检测算法

考虑疲劳驾驶检测过程中容易出现的偏头情形和光照因素影响,提出一种疲劳驾驶稳健检测算法。在实现Adaboost和主动性状模型相结合的人眼定位基础上,算法首先通过归一化人脸图像旋转等手段,使检测系统可以适应驾驶过程中经常出现的驾驶员偏头情形;其次通过补充人脸训练样本和引入直方图均衡等手段,使其可以更好地适应驾驶中出现的各种光照环境。最后利用Perclos算法对驾驶员疲劳状态进行判定。对模拟视频及车内采集的真实驾驶样本视频进行检测实验,结果表明稳健检测算法可以更准确定位人眼的位置。不仅可以有效的适应偏头情况,并且可以消除光照因素的影响,提升了检测系统的稳健性。     

一种基于人脸检测的虚拟眼镜试戴技术

为了满足人们在线选购眼镜时能够虚拟试镜的需求,提出了基于人脸检测的虚拟眼镜试戴技术。首先利用opencv中集成Haar-like特征、Adaboost算法的人脸检测技术检测出人脸的位置,然后根据"三庭五眼"的理论及几何特征实现眼睛与眼镜区域的定位,最后利用数字图像处理技术并依据人脸、眼睛的位置把眼镜图像融合到人脸眼镜区域,实现虚拟试镜的目的。实验证明,该技术对于存在表情变化、遮挡和姿态变化的静态图像与视频帧序列均能达到虚拟试镜效果。     

嵌入式人脸识别系统设计与实现

本文是基于S5PV210嵌入式平台设计实现的人脸识别系统.在嵌入式设备上设计人脸识别系统不仅需要考虑识别的准确率,还需要考虑设备周围的环境变化对人脸识别的干扰.系统中采用Adaboost算法依据人眼部的haar特征检测人脸.通过LBP纹理特征提取结合SVM识别分类的方法识别人脸.经过系统测试,系统的识别率以及对光照变化的鲁棒性满足了一般的人脸识别身份认证的需求.     

视频图像的实时人脸检测系统

本文基于VFW,在Windows平台下构建了一个实时人脸检测系统.同时提出了一种融合肤色信息的图像差分方法,该方法在加快检测速度的同时有效缩小了人脸搜索范围.最后利用Real AdaBoost Cascade结构分类器对人脸进行验证.实验证明,该系统能够快速准确的检测人脸.     

基于肤色分割和改进AdaBoost算法的人脸检测

为解决当被检测图像中具有复杂背景或者含有多人脸时,不能够快速准确的进行人脸检测的问题,本文提出一种基于肤色分割和改进AdaBoost算法的人脸检测方法。首先利用肤色分割方法对样本图像实现图像的预处理,排除样本图像的复杂背景和人体非肤色区域,简化后续的人脸检测工作。然后对AdaBoost算法的弱分类器使用双阈值判决方法,以减少弱分类器个数,提升训练速度;改进权值更新规则,防止训练过程中出现过分配现象。最后对基于肤色分割得到的区域图像利用改进后的Adaboost算法进行最后的精确人脸检测。仿真试验表明,两种算法结合后在训练速度上提升,在检测速度和检测率上有明显提高。     

Face Detection under Complex Background and Illumination

For face detection under complex background and illumination, a detection method that combines the skin color segmentation and cost-sensitive Adaboost algorithm is proposed in this paper. First, by using the characteristic of human skin color clustering in the color space, the skin color area in YCbCr color space is extracted and a large number of irrelevant backgrounds are excluded; then for remedying the deficiencies of Adaboost algorithm, the cost-sensitive function is introduced into the Adaboost algorithm; finally the skin color segmentation and cost-sensitive Adaboost algorithm are combined for the face detection. Experimental results show that the proposed detection method has a higher detection rate and detection speed, which can more adapt to the actual field environment.     

基于Adaboost算法的人脸检测技术的研究与实现

人脸检测是人脸识别技术的基础,首先提出人脸检测系统的构成,分析Adaboost算法对图像进行人脸检测的基本原理。根据Adaboost算法形成了简单的矩形特征作为人脸特征,即Haar-like特征,然后由多个Haar-like特征相当于一个弱分类器,由多个弱分类器级联成为一个强的分类器,并将级联分类器用于动态人脸检测中,从截取的每一帧图像中进行检测。经过实验验证,采用这种方法和步骤进行人脸检测达到了比较好的精度和速度,N-I~T来的人脸识别提供了前提条件。     

Face Recognition Under Varying Illumination Using Gradientfaces

In this correspondence, we propose a novel method to extract illumination insensitive features for face recognition under varying lighting called the gradient faces. Theoretical analysis shows gradient faces is an illumination insensitive measure, and robust to different illumination, including uncontrolled, natural lighting. In addition, gradient faces is derived from the image gradient domain such that it can discover underlying inherent structure of face images since the gradient domain explicitly considers the relationships between neighboring pixel points. Therefore, gradient faces has more discriminating power than the illumination insensitive measure extracted from the pixel domain. Recognition rates of 99.83% achieved on PIE database of 68 subjects, 98.96% achieved on Yale B of ten subjects, and 95.61% achieved on Outdoor database of 132 subjects under uncontrolled natural lighting conditions show that gradient faces is an effective method for face recognition under varying illumination. Furthermore, the experimental results on Yale database validate that gradient faces is also insensitive to image noise and object artifacts (such as facial expressions).     

姿态和光照可变条件下的仿射最小线性重构误差人脸识别算法

传统人脸识别算法通常把光照处理和姿态校正作为两个相对独立的处理过程,难以取得全局最优识别性能.针对该问题,本文根据人脸的非刚体特性,将仿射变换和分块思想融入线性重构模型中,提出了一种基于仿射最小线性重构误差(Affine Minimum Linear Reconstruction Error,AMLRE)的人脸识别算法,在处理光照问题的同时能够补偿姿态变化造成的局部区域对齐误差,以获得更好的全局识别性能.在公共数据集上的实验结果表明,本文提出的算法对光照和姿态有很好的鲁棒性,同时与现有的人脸识别算法相比,本文的算法具有更高的识别率.     

基于肤色模型的人脸检测研究

现有的人脸检测方法,对复杂光照环境下获得的彩色人脸图像的检测效果仍不太理想。在仔细研究目前人脸检测方法的基础上,对基于肤色分割结合模板匹配的人脸检测方法进行改进,提出基于“光照预处理＋肤色模型＋模板匹配”的人脸检测问题解决思路。实验结果表明,该方法对实际场景中正面和准正面的人脸图像,平均准检率达到84％,同时对光照变化不敏感,而且对姿态和表情的变化也具有较好的鲁棒性。     

用于立体显示的人眼位置快速检测

人眼检测实自动人脸检测以及视线跟踪中非常重要的一项技术,它被用于智能人机交互、疲劳驾驶检测、安保以及诸多领域。在此提出了一种基于亮瞳效应的精确人眼实时检测算法。该方法使用主动红外光结构照明来产生亮瞳效应并产生候选点,然后利用连续Adaboost算法来对人眼进行确认,实验结果表明,对于640×480分辨率的连续视频,系统每帧的检测时间小于10ms,检测准确率较高。