人脸关键特征点的自动定位

提出一种自动定位人脸关键特征点的方法。选取人脸图像中两眼球中点、各内外眼角点、鼻唇中点和两嘴角点作为9个关键特征点,利用SUSAN算子提取边缘和定位两眼内外角点,并与方向积分投影等方法结合,可以快速准确地获得特征点位置。实验结果表明,该方法能自动定位人脸各关键特征点,平均定位准确率在95%以上。该方法将有助于人脸特征的自动提取和提高人脸识别算法的识别率,虽然是针对固定大小图像(336×480)进行的,但方法本身并不受图像大小的约束;该方法对绝大多数灰度正面人脸图像特征点都能准确地自动定位,即使小角度旋转人脸也取得较好的定位效果,但目前对大角度旋转人脸仍有一定局限。     

人脸及特征点检测方法综述

人脸及特征点检测计算机视觉领域有着非同寻常的地位,同时还在人工智能交互、视频会议、鉴别身份、汽车安全行驶等方面有着非常广阔的研究价值。由于在计算机视觉下,动态图像中存在人脸的大小不确定、面部表情变化多样、背景复杂、光照多变等影响因素,人脸特征点检测的准确性变得至关重要。文章介绍了几种人脸及特征点常用方法。     

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。     

主方向旋转LB P特征的平面旋转人脸检测

提出了主方向旋转LBP特征,对图像中的平面旋转人脸特征进行描述。以任意邻域LBP特征为基础,加入旋转角度偏移值构成旋转LBP特征,通过Adaboost算法训练出旋转人脸分类器,应用旋转人脸分类器检测图像中可能包含旋转人脸的区域,并对结果进行验证。为了提高扶正精度,在旋转LBP特征的基础上加入主方向值,并提出旋转LBP特征的主方向计算方法,有效的提高了扶正精度。经实验证明,新方法能够以较快速度检测所有角度的平面旋转人脸,正确检测率为94％,角度误差在6度以下。满足平面旋转人脸检测系统对全部角度检测、高检测率、低扶正误差的要求。     

基于Kinect的人脸检测算法研究

基于Kinect的人脸检测算法是一种快速并高效的人脸检测方法,可以在多视角以及光线复杂的情况下检测出人脸,并准确且实时地定位人脸的特征点。由于传统的人脸检测方法,大多都是人脸处于正脸的情况下,存在多视角情况下检测不准确问题;传统的AAM算法在仅利用灰度信息来建立纹理模型,在光线条件不理想的情况下,AAM特征点定位算法的精度和鲁棒性会显著下降。文章利用微软的Kinect传感器,提出一种Kinect+AAM的人脸检测算法。通过实验对比,本文算法在定位精度和鲁棒性上都有比较大的提高。     

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。     

彩色图像人脸特征点定位算法研究

本文提出了一种基于复合局部信息模型的改进Active Shape Model(ASM)算法,并进一步提出了基于人脸特征点Gabor小波特征降维分类的特征点搜索方法,对改进ASM的结果进行精确校正,达到鲁棒精确定位特征点的目的.本文首先对经过Adaboost检测的彩色图像人脸区域进行光照补偿,然后根据眼睛和唇色的色度特性定位双眼和嘴唇中心位置,从而得到较好的人脸特征点的初始位置.在特征点位置搜索中,本文结合肤色概率信息对ASM方法进行了改进,从而提高了仅基于灰度梯度信息的传统ASM方法的鲁棒性和准确性.最后选取改进ASM搜索后的某些特征点一定领域内梯度值较高的点,提取其Gabor小波特征,通过线性判别式分析法(Linear Discriminant Analysis)和最近邻分类法对其进行分类,搜寻最符合训练样本Gabor特征的点作为最佳位置点,修正了ASM的搜索结果,使得搜寻结果更加精确.     

基于人脸特征定位的SNS网站应用组件研究与设计

针对国内SNS网站进行调研,分析用户群体特征及社会心理,剖析SNS网站流行的原因,在此基础上提出了在SNS网站上运营好一款人气高、粘性强的应用组件。实验研究并分析了主动形状模型(ASM)和受限局部模型(CLM)的优缺点,提出将两者优点结合的人脸面部特征定位提取方法,设计开发了一款应用组件产品。通过用户上传照片或在线拍摄,捕捉出人脸头像及面部特征,并按照用户在图像库中选择的照片进行合成,生成一张具有两张人脸特征的新头像。将组件接入SNS网站,通过一段时间的运营数据分析,结合互联网的实际应用,提出对组件进行优化的方案。     

人脸检测跟踪与特征点定位系统

实现的人脸检测跟踪与特征点定位系统,基于VC＋＋6.0开发平台,使用opencv作为开发工具,有效缩短了系统的开发时间。首先,本系统采用adaboost算法进行人脸检测,通过合理的特征模板的选择实现了人脸的实时检测;其次,人脸跟踪模块选用camshift算法,利用人脸检测模块生成的人脸坐标传递给跟踪模块,实现人脸的自动实时跟踪,同时建立多个camshift跟踪器对多人脸进行跟踪,并有效地解决了人脸遮挡的问题;最后,通过ASM（active shapemodel）算法实现了实时人脸特征点定位。实验结果表明该系统实现的人脸实时检测跟踪及特征点定位,效果明显,可以作为表情分析和情感计算、视频人脸识别开发的基础。     

基于SVM的疲劳驾驶人脸图像特征检测算法

针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。     

基于肤色检测的快速五官定位算法

根据视频应用的特点，结合人脸的肤色和特征部位几何分布特征，提出了一种应用于视频序列人脸部位的五官定位算法。实验表明，该算法定位速度快，误检率低。     

基于视频的人脸验证

本文提出了一种基于视频的人脸验证方法.采用立体视觉方法初步将人脸区域与背景分割开,再根据多关联模板匹配方法精确定位人脸.对定位后的人脸区域抽取特征器官位置,再依此裁剪出人脸样本.从视频流中收集人脸样本,训练支持向量机(SVM)作为验证器.实验表明该方法在复杂的现场环境下是有效的、鲁棒的.     

基于肤色的实时人脸检测算法研究

研究了一种基于肤色的人脸检测算法的设计与实现过程。在YIQ颜色空间中,进行了有效的肤色提取,把提取到的肤色与背景图像信息转为二值图像进行形态学降噪处理,再采用质心定位法进行准确的眼睛定位,最后对检测到的人脸图像进行缩放、旋转、移位校正,以提高输出人脸图像的质量。实验结果表明,本文所提的算法具有很高的准确率与检测速度,能够适用于实时人脸检测系统。     

非监督人脸美貌度评价

针对目前人脸美貌度评价方法计算复杂等不足,根据黄金比例的美学标准与人脸面部的三分之一比例,提出了一种基于图像的非监督人脸美貌度自动评价方法。基于人脸所具有的类Haar特征,定位人脸区域,提取人脸面部相关特征并确定其位置,结合人脸肤色的聚类性确定人脸边界。根据人脸面部各特征之间所具有的不同比例及其评分权重,通过计算所提取的人脸相关特征各比例与人脸美学人脸特征比例之间的差异度,对人脸美貌进行非监督自动评价。通过实验对比,验证了文中所提方法有效、可行。     

基于特征提取与认证的彩色图像人脸检测

在深入的对频谱脸法和Fisherface方法进行研究后,综合这两种方法的优点,提出了一种基于频谱脸和Fisher-face的人脸识别新方法。频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用人脸面部构造产生的灰度特性提取眼睛,利用嘴唇的色度特征分割出嘴巴,进而根据眼睛和嘴巴构成三角形模板的特性,精确定位人脸在图像中的位置。实验结果表明,这种结合肤色和面部特征的算法,能够对人脸进行较快速、准确的定位,而且结果比较稳定可靠。     

人脸自动识别方法综述

 人脸自动识别是模式识别、图像处理等学科的一大研究热点,近几年来关于人脸识别的研究取得了很大进展.本文重点对近三、四年来人脸识别的研究进行综述并对各种方法加以评论.     

基于FPGA的改进Harris角点检测方法

针对目前基于角点特征的视频分析系统前期特征提取速度较慢的问题,提出了一种利用FPGA来实现Harris角点提取的方法,并在充分考虑FPGA处理器结构以及Harris角点提取算法理论的情况下,对算法进行了进一步的改进,最后进行了仿真验证。结果表明,新算法在保证提取的角点完整准确的情况下,进一步提高了系统的实时性,同时大大简化了系统结构,减少了系统硬件开销,非常容易实现,具有较强的实用价值。     

图像的角点检测研究综述

角点检测是图像处理和模式识别领域的基本课题,它在运动估计、形状分析、3D重建等方面都有重要的应用.本文对角点检测方法进行了详细阐述及分类--基于灰度强度的方法、基于边缘轮廓的方法、基于角点模型的方法,并将现有方法的优缺点进行了总结,指出了存在的问题及进一步的研究方向,预期为图像角点检测提供参考和借鉴.