基于边缘与灰度梯度的人眼特征定位分析

根据由粗到精的思路,综合利用了眼睛在人脸面部特征中所特有的边缘与灰度分布信息,进行人眼特征定位.首先用横向Sobel算子对人脸图像进行边缘检测,获取人脸区域的横向边缘特征,然后采用图像形态学的方法框定人脸主要特征的大致区域,最后用计算灰度梯度密度的算法,快速精确地定位人眼区域.试验表明,本方法能快速而精确地实现人眼特征的定位.     

基于灰度信息的人脸检测算法

提出了一种基于人眼灰度信息的人脸识别算法。该算法首先根据眼球区域的灰度比它周围区域的灰度低，初步地筛选出可能含有人脸的图像，再把筛选出的图像分割成小图像块，根据图像块的复杂度对人两只眼睛的大概位置进行定位，最后采用居中法，进一步确定人眼的存在，进而确定人脸的确切位置。实验结果表明：此算法具有较高的检测正确率及较快的检测速度。     

基于AdaBoost和ASM算法的人眼定位

针对人脸识别中眼睛定位不准的问题,提出了一种有效的人眼定位方法。该方法首先计算图像的积分图,然后利用基于Haar-like特征的AdaBoost级联分类器检测出图像中人脸的位置,最后再利用主动形状模型(ASM)算法精确定位出人眼。该方法在JAFFE人脸库和自建人脸库上表现出良好的性能,定位准确率达99%以上。实验结果表明,该方法对人眼的定位准确、快速。     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

疲劳驾驶检测中的快速人眼定位方法

为了减少因疲劳驾驶所引发的交通事故的发生,人眼定位在疲劳驾驶检测技术中起着重要的作用．对人眼定位的过程中,采用多摄像头获取图像并对这些图像进行筛选,将检测到的人脸面积最大,将能够完整检测到双眼状态的图像做为最佳输入图像,采用Adaboost（迭代级联分类器）算法对其进行人脸定位以减小检测区域,再对其进行灰度投影将检测范围缩小在眉眼区域,然后进行一种新的LMS（最小均方误差）模板匹配,精确定位眼睛区域．在人脸成功定位的基础上,该算法经过二次眼睛定位,较传统的模板匹配方法,平均模板匹配检测时间提高到了30．5ms,准确率提高到了97％．实验表明：将灰度投影法和改进的LMS（最小均方误差）模板匹配两种人眼定位的方法相结合来进行人眼的定位,与传统的模板匹配相比,提高了检测的效率和检测的准确率,使得疲劳驾驶检测系统能更准确地进行实时检测,该方法能适用于疲劳驾驶检测等需要快速人眼定位的场合．     

彩色图像中的正面人脸检测的研究

提出了彩色图像中一种人脸检测方法.该方法利用肤色模型分割出彩色图像中的肤色区域,并将同一幅图片用不同的肤色模型分割后的图像进行融合,这样能较好地获取肤色区域.将彩色图像中的肤色区域转换为灰度分布图,用正面人脸的结构规则筛选出肤色区域中的人脸区域.结果表明:该方法能快速地较为准确地定位彩色图像中的正面、小角度偏侧的人脸.     

基于OpenCV人眼定位的人脸检测方法

如何准确地定位人脸是人脸识别中非常关键而且重要的一步。笔者提出一种基于OpenCV人眼定位的人脸检测方法。利用从摄像头得到的视频图像中随机获取的单帧图像作为待处理人脸图像,通过人眼定位、图像旋转、分割以及缩放得到标准化后的人脸图像,再经过ART2神经网络的学习认知,计算其识别率。对比实验说明此方法能够应用于人脸识别,并具有较快的识别速度和良好的识别率,特别方便于实际应用。     

改进SSR算法在人脸识别中的应用

为提高人脸检测中人脸验证的速度,在平方积分图像和图像窗口的灰度均值及方差快速计算基础上,对传统的SSR算法中人脸验证算法部分进行了改进。应用改进的算法,结合窗口灰度标准化的计算和平均人脸模板的取得,引入相关系数和平均偏差,加快了求解速度,克服了由于噪声点的存在对真实的候选脸图像漏检的情况。人脸检测实验证明应用改进的模板匹配算法的正确性.     

基于肤色模型与人脸特征的多姿态人脸检测

传统AdaBoost人脸检测算法使用正面人脸训练分类器,不能检测有任意偏转角度的多姿态人脸。本研究利用各种多姿态人脸中人眼结构变化比较小的性质,使用人眼训练AdaBoost算法的分类器,设计出一种快速的复杂场景下的多人多姿态人脸检测算法。先将图像映射到一种色彩空间,运用皮肤颜色分布特性检测皮肤区域;再运用AdaBoost算法从肤色区域检测出人眼区域;最后根据人眼在人脸中的位置计算出人脸的位置。实验结果表明:该算法对多姿态人脸有很好的检测效果。     

一种基于眼部状态的疲劳驾驶检测方法

针对传统的疲劳驾驶检测准确率低和实时性差的问题,提出了一种基于眼部状态的疲劳驾驶检测方法.利用CCD相机实时获取驾驶员的脸部图像,采用直方图均衡化增强图像的对比度;通过改进的cascade(Hear分类器)的人脸检测算法检测出脸部区域;利用OTSU阈值分割和形态学运算提取人眼区域,根据人眼的宽高比判定眼睛的闭合程度;依据PERCLOS-P80原理和眨眼频率判断驾驶员的疲劳状态.实验结果表明:改进的人脸检测算法对每帧图像的检测时间约为45ms,在人脸检测速度上提高了2.3倍,为整个疲劳驾驶检测节省了大量的时间.研究疲劳驾驶检测方法检测一帧图像的时间约为65ms,而且在不同的光照强度下的检测均有较高的准确率,满足疲劳驾驶检测对准确性和实时性的要求.     

人脸图像特征点的定位与提取方法的研究

对于复杂的人脸模式，脸部特征定位是人脸自动识别技术的关键.对人脸图像特征点的定位过程和提取算法进行了研究.通过对人脸图像进行增强与平滑等预处理，并生成清晰完整的二值化图像；利用灰度积分投影曲线确定人脸区域，以缩小定位范围；同时找到垂直方向上人脸特征的大致位置，以便进行下一步的特征提取工作；以粗定位为基准，按照适当的方法对眼、鼻、嘴的特征点依次准确提取.利用粗略与精确两步定位过程方法，在简化处理的同时，可准确提取正面人脸图像中的特征点.实践证明，该方法直观、可靠，具有良好的实用性.     

在人脸图像中确定嘴巴位置的方法

利用迭代式阈值选择算法在人脸的下半区域进行阈值化处理,无需人工干预就可得到嘴巴鼻子等区域,且很好地改进了传统的二值化方法所造成的嘴部轮廓不清晰、连通性不好等缺陷;用腐蚀膨胀算法去掉较小的噪声点,用最小外接矩形近似表示各个连通区域的形状,根据嘴巴形状大小的先验知识确定嘴巴所在的连通区域;用嘴巴连通区域的质心表示嘴巴中心,利用Harris角点检测算法在原灰度图像的嘴巴区域中找到两个嘴角。实验结果表明,本文算法具有较快的速度和较高的精度。     

基于二重BP神经网络的静态人脸检测算法的研究

提出了一种基于BP神经网络的静太人脸检测算法。首先，通过形态学闭运算提取包含人眼区域的二值图像，对二值图像进行基于连通性的标注，标注区域会聚形成候选人眼点。对待选人眼点进行筛选后，送入BP神经网络进行判断，得出人眼点。最后人眼点两两组合形成待选人脸，送入第二个BP网络进行判断。     

复杂背景下多姿态人脸图像中的人眼检测

研究了复杂背景下多姿态人脸图像中的人眼检测方法.首先，将得到的图像映射到YCbCr空间，利用肤色在YCbCr颜色空间的分布特性建立肤色模型，分割出肤色并得到人脸的区域；再次，利用人眼的分布特点及自身特性预先设定一系列的规则，通过规则得到可能的人眼区域；最后，设计了人眼模板分布模型，并利用该模型对人眼位置进行最后的确认.实验表明，该方法具有较高的检测速度和检测正确率.     

复杂背景下多姿态人脸图像中的人眼检测

研究了复杂背景下多姿态人脸图像中的人眼检测方法．首先，将得到的图像映射到YCbCr空间，利用肤色在YCbCr颜色空间的分布特性建立肤色模型，分割出肤色并得到人脸的区域；再次，利用人眼的分布特点及自身特性预先设定一系列的规则，通过规则得到可能的人眼区域；最后，设计了人眼模板分布模型，并利用该模型对人眼位置进行最后的确认。实验表明，该方法具有较高的检测速度和检测正确率。     

基于颜色特征的人脸检测方法

针对RobCup家庭机器人对人脸检测的要求,研究了基于颜色特征的人脸检测方法。该方法首先将人脸图像进行非线性分段色彩变换光线补偿处理,减少光线对肤色的影响,然后在YCbCr颜色空间中建立肤色模型,分割出肤色区域。在颜色空间YCbCr中,嘴巴区域包含的红色分量要高于蓝色分量,利用这个特征分割出嘴巴区域。在YIQ颜色空间中,通过I分量来区分眼睛与皮肤,分割出人眼,最后根据嘴巴、眼睛的几何中心特征映射人脸,人脸检测的仿真结果验证了该方法的有效性。     

实时人眼定位算法研究与设计

为了实现准确和实时的人眼定位,提出了一种有效的人眼定位方法。采用基于统计肤色模型和人脸几何特征约束定位人脸,根据在YCbCr色度空间中肤色的聚类性独立于亮度,建立肤色模型,然后采用自适应阈值进行肤色分割。在人眼定位中,通过获取一个属于眼睛区域像素的随机样本,利用期望最大化算法（EM）调整椭圆型眼参数模型。在包含两个眼睛的矩形框内精确定位人眼,计算量小,速度快。实验结果表明,该方法能够准确、快速地定位人眼,可以满足非接触式、不同光照条件、实时的人眼定位系统的要求.