基于特征检测的人眼定位方法

介绍一种在人脸图像中定位人眼的方法。与现有的方法相比,本方法对图像中人脸的旋转不敏感;同时,在彩色图像中应用这种方法可以在人脸偏转了一定角度的情况下,较好地定位人眼。在处理灰度图像的时候,总结了一些与眼睛相关的几何性质,用以更精确地定位眼睛。在处理彩色图像的时候,应用了一种颜色变换的方法来提取人脸和眼白的特征。     

基于肤色分割及特征定位的人脸检测算法研究

针对复杂彩色图像提出一种快速有效的人脸检测算法。首先通过一种新的色彩均衡技术消除由光照引起的色彩偏移,然后采用HSI空间与归一化RGB空间相结合的混合肤色模型,提取出原图像中的类肤色区域,最后根据人脸的几何特征定位眼睛、嘴巴和人脸区域。实验结果表明,该算法能较为准确地定位彩色图像中的正面或小角度偏转的人脸,具有较快的检测速度。     

彩色图像特征空间变换的新算法及其应用

本文提出了一种彩色图像特征空间变换算法.该算法基于高维形象几何与仿生信息学理论,根据人眼特性,利用彩色图像中彩色信息的变化进行特征空间变换,能够提取出不受光源影响的图像特征.在彩色图像人脸检测应用中,与常见的肤色分割方法不同,该算法不需对肤色建模,不对彩色图像进行非线性彩色空间变换,而是直接将彩色原图变换到特征空间,在特征空间中定位平均脸特征数据的最佳匹配点.本文最后将该算法应用于复杂光源彩色图像的人脸检测中,实验结果验证了算法的有效性和鲁棒性,具有明显的应用价值.     

基于肤色分割与几何特征的人脸检测

针对传统的人脸检测方法存在算法复杂、鲁棒性差以及精确度低等不足,提出一种基于肤色分割与几何特征的人脸检测算法。首先,将人脸彩色图像进行光照补偿预处理与非线性转换,建立YCb Cr颜色空间肤色模型同时融合人脸几何特征进行粗定位;然后,在人脸区域内,依据眼睛与嘴巴的色度特性分割出眼睛与嘴巴的特征区域并确定各自特征点的中心位置;最后利用眼睛,嘴巴的几何关系构建三角形精确定位人脸。实验结果表明,该算法简单,在速度与准确性方面具有良好的性能。     

一种基于肤色和几何特征的人面部识别方法

面部识别的前提条件是场景中人脸的正确定位与分割，因此，本文提出了一种基于肤色及面部几何特征的人脸分割方法，首先利用图像的时间差分方法确定场景中有没有运动物体，然后利用BP神经网络对肤色进行识别，比用HIS或LHC颜色空间中的色调识别肤色的方法具有更强的环境适应能力，最后利用扫描投影算法及面部固有的几何特征定位分割细节特征，实验证明该方法具有定位准确和运算速度快的优点。     

基于多数据融合的快速人脸检测与特征定位算法

针对彩色图像提出了基于肤色和特征验证的人脸检测算法,由肤色分割、排除假区域、特征验证3部分组成。在肤色分割部分,提出自适应阈值法,再通过几何特征排除一些假区域,运用边缘检测、模板匹配和投影法精确定位眼睛和嘴巴,从而验证确认人脸,最后通过投影法定位出鼻子。实验证明该算法检测速度快、准确率高,具有较好的鲁棒性。     

基于级联神经网络的人脸检测方法的研究

提出一处基于颜色信息与多级神经网络的人脸检测方法,通过把基于不同颜色分量的多级神经网络级联起来,采用彩色图像的亮度分量和色度分量作为级联神经网络的分类特征,从而有效提高了人脸检测的正确率,同时也加快了人脸检测速度。     

基于机器视觉的人脸生物特征改进识别技术

传统识别方法主要通过谱回归和矩阵完整性约束,从带噪声的原始数据中得到干净的输入数据,达到提高识别人脸生物特征的目的,但忽略了低秩投影矩阵对识别带来的干扰,导致识别精度低、效率差的问题,故提出基于机器视觉的人脸生物特征改进识别技术。通过摄像机代替机器视觉对人脸图像进行采集,构建人脸图像双色反射模型,对人脸图像进行预处理,并以机器视觉为基础,结合局部差分二值模型(LDBP),实现对人脸生物特征识别的改进。实验结果表明,相比于传统识别技术,采用改进识别技术在进行人脸生物特征识别方面的识别精度较高,实用性较强,具有一定的优势。     

基于人脸特征仿射变换的安全性保护

生物特征识别的方便性与安全性相对传统的用户名密码认证更优越,从而受到越来越广泛的关注。人脸特征作为重要的人体生物特征用途广泛。文章提出一种结合NG-SCORE和灵敏度分析的特征评价方法得到更具代表性的重要的人脸特征,提高了人脸识别的准确率。另外考虑到人脸这一类生物特征的唯一性和不可更改性而带来的不足,提出一种对人脸关键特征进行仿射变换的方法来弥补此不足。     

基于小波变换和梯度矢量的人脸特征点定位

人脸特征点的定位是自动人脸识别系统和人脸表情识别的重要组成部分,小波变换是近年发展起来的一种有效的信号分析工具。在小波变换基础上,提出了一种基于多尺度梯度矢量的对称变换方法,将此方法应用于人脸特征点定位,不仅减少了计算量,而且提高了定位准确度,同时对光照变化和人脸表情变化也具有很强的鲁棒性。     

Real-time Face Detection using Skin Color Model

1　Introduction　Facedetectionandrecognitionarestilltoughtasksofpatternrecognition ,in particularinreal timeapplica tions ,e .g .,securitysystems ,humanandmachinein teraction ,smartmediasystems,andsoon .Thediffi cultiesaremainlyduetothevariationsofilluminationconditions,viewpoints,pose ,imagesize ,etc ..Facedetectionisthecrucialstepinfacerecognition .Ifthepresenceofhumanfaceisdetected ,thelocationandsizeofthefaceregionarereturned .Overthelastthreedecades,manyfacedetectionmethodshavebeendevel …     

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。     

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.     

复杂背景下人脸检测的数学形态学运算方法

皮肤的颜色特性被广泛地应用于人脸检测和跟踪中,本文采用HSV空间与归一化RGB空间相结合的肤色模型,提取原始图像中的类肤色区域作为候选人脸目标;采用数学形态学算子,分别用来完成去除噪声和干扰,分离侯选目标,提取眼睛嘴巴孔洞,以及标示人脸轮廓等处理过程。大量实验表明,该方法能有效地剔除臂和手等非人脸肤色目标;能克服人脸遮挡,姿势和方向变化,大小差异,光照变化等造成的困难;该方法的计算开销较小,易于实现,适合快速人脸检测。     

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。     

彩色序列图像中的人脸快速定位研究

在模式识别与图像处理研究领域中,人脸定位是一个备受关注的研究方向。提出了一种彩色序列图像中实现人脸快速定位的方法,该方法首先利用差分算法初步确定图像中运动的区域。接着用分段的方法对运动区域进行肤色分割,排除非皮肤部分。最后根据先验知识,采用一系列的有效措施对候选人脸区域进行过滤,实现人脸定位。实验结果显示,论文研究的方法不仅能基本达到实时,而且具有较好的鲁棒性。     

基于色彩和纹理特征融合的模糊人脸识别方法

基于纹理特征的方法被广泛应用于人脸识别。然而纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法的识别精度会急剧下降。为了克服纹理特征的在模糊人脸识别中的不足,提出了一种基于色彩特征和纹理特征融合的识别方法。首先参照人类的对立色感知机制提取人脸的色彩特征;然后,将该色彩特征和纹理特征分别用于识别分类;最后,将二者的识别相似度进行融合,得到最终的识别结果。该色彩特征描述了图像的低频信息,其对图像模糊不敏感,并且与描述图像高频信息的纹理特征具有良好的互补性。在FERET 和AR 人脸库上的实验表明,融合色彩特征和纹理特征有效地提高了模糊人脸的识别精度。     

确定区域的人脸彩色传递

在对整幅图像色彩传递算法的基础上,提出了确定区域的人脸彩色传递法。首先利用改进的主动形状模型(ASM)方法定位人脸特征点,进而利用区域生长法确定人脸区域。在将参考图像和目标图像(彩色或灰度图)转换到去相关的对立色空间(lαβ颜色空间)后,对于彩色目标图像,分别调整肤色区域图各通道的均值和标准差;对于灰度目标图像,用亮度邻域统计量匹配的方法在参考图像中选取匹配点,并将匹配点的颜色赋值给目标图像中的对应点。最后,把传递结果转换到RGB颜色空间显示。实验结果表明,该方法能有效传递肤色,形成自然逼真的彩色人脸图像。     

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.