基于Adaboost算法的多姿态人脸实时视频检测

针对实时视频中的多姿态人脸检测问题,应用扩展的类Haar特征,训练能有效检测多种姿态和多种旋转角度人脸的分类器;并使用该分类器实现了一个实时视频的多姿态人脸检测系统.该系统分为训练和检测两个子系统,训练系统应用大量包含正反例子的图片进行训练,得到分类器;检测系统首先使用DiectShow从USB摄像头获取图像,然后读入分类器,对图像进行检测并显示.实验结果表明,该系统能够快速准确地在视频中检测出多种姿态的人脸,有较强的实用价值.     

一个基于Adaboost的快速人脸检测系统的实现

人脸检测技术作为计算机视觉和模式识别领域中的一个重要课题,具有很高的学术研究价值和商业应用价值。本文使用Adaboost算法训练了一个分类器,并且实现了一个快速人脸检测系统。从一个特征库中选择少量关键的类Haar特征产生一个高效的强分类器,再使用cascade方法将强分类器构成一个更为复杂的级联分类器。采用放大检测窗口的方法获得图像的待检测子窗口,比传统的金字塔法减少了很多计算量。实验证明该系统能够快速准确地在一幅图片中检测出人脸。     

基于几何特征与新Haar特征的人脸检测算法

针对普通Adaboost算法训练时间长,对复杂背景下(暗光、多角度、多姿态等)人脸检测识别率较低的问题,提出了一种改进的结合肤色检测及几何特征的Adaboost算法.采用肤色粗检筛选出候选人脸区域,同时采用新的非对称的Haar特征来训练分类器,进一步加强检测性能,提升鲁棒性和复杂背景下的宽容度实验将此算法应用到一个嵌入式系统中,结果表明:在各种复杂背景下的人脸检测中鲁棒性和宽容度均提升很多,误识率进一步降低,并且在嵌入式人脸检测的系统中具有很好的可移植性和实用性.     

基于GH-YJ混合型的Adaboost改进算法的人脸检测

针对传统Adaboost算法训练时间过长、误检率高以及检测速度慢的缺点,提出了一种基于GH-YJ混合型Adaboost改进算法,该算法从简化Haar特征和优化级联分类器两方面进行改进,以降低本级分类器误检率。最后,通过实验证明了改进算法的可行性。     

动态权值预划分实值Adaboost人脸检测算法

提出了Real-Adaboost的一种改进算法。该算法采用预先计算类Haar特征所对应弱分类器在样本空间的划分，并动态更新人脸训练样本的权值。与以往的Real-Adaboost算法比较，该算法大大缩短了训练时间，算法训练时间复杂度降到O(T*M*N)，同时加速了强分类器的收敛性能，减少检测器的弱分类器数量，减少检测时间。     

基于连续Adaboost算法的多视角人脸检测

提出了一种基于连续Adaboost算法的多视角人脸检测方法.人脸按其三维姿态被划分成若干个视点子类,针对每个子类使用Haar型特征设计了具有连续致信度输出的查找表型弱分类器形式,构造出弱分类器空间,采用连续Adaboost算法学习出基于视图的瀑布型人脸检测器.为了提高检测速度,使用了多分辨率搜索和姿态预估计策略.对于正面人脸检测,在CMU+MIT的正面人脸测试集合上检测的正确率为94.5%,误报57个;对于多视角人脸检测,在CMU侧面人脸测试集合上检测的正确率为89.8%,误报221个.在一台Pentium Ⅳ 2.4GHz的PC上,处理一幅大小为320×240的图片平均需80ms.实验结果表明该方法十分有效,具有明显的应用价值.     

基于Adaboost算法的行人检测方法

鉴于Adaboost算法简单可靠、学习精度高的特点,提出一种基于Adaboost算法的行人实时检测方法。选取了扩展的类Haar特征,采用Adaboost算法训练得到了一个识别准确率理想的行人分类器,通过VC编程将级联分类器应用到实际的行人检测系统中。试验结果表明,该方法可以快速、准确地实现行人的在线检测,具有较好的实时性。     

基于新Haar-like特征的多角度人脸检测

在Haar-like特征的基础上增加新的检测特征,给出特征计算方法和积分方法,实现多角度人脸检测。将多角度人脸分为3类,即全侧脸、半侧脸和正面人脸。利用连续Adaboost算法训练各类人脸检测器,用金字塔式结构将各类人脸检测器级联成一个多角度人脸检测器。在CMU人脸检测集合上,该检测器的成功率为85．2％,高于Adaboost算法和浮点Adaboost算法。     

基于Adaboost算法的车辆模拟演示系统

在车辆模拟演示系统中,车辆的检测与跟踪是系统的核心任务,针对传统的车辆检测方法检测速度慢,检测准确率低等问题,设计并实现了一种基于Adaboost算法的车辆模型演示系统。通过对车辆的Haar特征构造Adaboost分类检测器,达到了准确分类的目的。实验结果表明,与其它车辆模拟演示系统相比,该系统具有更好的实时性与准确性。系统满足车辆模拟演示要求,检测准确率高达92.3%。     

基于Adaboost算法的人脸检测实现

人脸检测是指把人脸从一幅静止的图像或者动态视频中检测出来,并且指出人脸在图像或视频中的大小和位置.目前存在着大量的人脸检测算法,其中Adaboost算法是比较实用的人脸检测算法.Adaboost算法中人脸的特征采用的是矩形特征,在大量的样本集中,提取样本的矩形特征进行训练,生成多个弱分类器,然后合并多个弱分类器形成一个...     

基于AdaBoost算法的人脸检测在嵌入式系统中的实现

为解决人脸检测实时性问题,针对AdaBoost算法纯软件实现的瓶颈,提出基于FPGA平台的硬件加速策略,采用流水线处理技术实现积分图像的快速计算。实验使用PowerPC405处理器VirtexTM-Ⅱ Pro平台FPGA,在输入图像大小为352×288像素的条件下,检测速度达到每秒50帧,检测率为98%,误检率约1%,实现了实时人脸检测的要求。     

基于嵌入式的光纤传感检测电路 设计与实现

基于嵌入式ARM和Linux系统设计了光纤温度传感检测电路。利用Linux内核进行嵌入式的驱动程序设计;通过捕捉多个外部中断实现反射谱峰值的间接定位;利用Multisim软件对光纤传感检测电路的外围硬件进行了性能仿真;基于QT设计了嵌入式系统的图形化界面。硬件电路运行结果表明,嵌入式系统的Linux内核可以正常引导和启动,QT图形化界面可以实时显示光纤反射谱峰值以及对应的温度值。和传统的工控开发板相比,该系统对测量结果的显示更加形象直观。     

利用Gabor特征与SVM分类器在嵌入式系统上实现人脸识别算法

随着信息处理技术的发展,人脸识别技术在嵌入式平台上的应用越来越广泛。本文描述了如何基于OpenCV视觉库在嵌入式平台利用Gabor特征和SVM分类器实现人脸识别系统,并讨论如何在嵌入式平台上优化算法。     

基于Adaboost算法的人脸疲劳检测

眼睛状态是人体疲劳最主要和最明显的特征.本文采用肤色和Adaboost方法相结合来进行人脸检测,并在此基础上结合人脸结构的边缘特征及Adaboost方法对眼睛进行精确定位,运用自适应二值化和数学形态学的方法对检测出的图像进行处理提取眼睛状态特征,结合PERCLOS规则及点头率来进行疲劳状态的判定,实验表明,该方法鲁棒性强,速度快,满足人脸疲劳检测的实时性要求.     

基于Flash的嵌入式文件系统设计与实现

针对嵌入式系统的应用需求和Flash存储器的特点,设计了一种适合在数控系统中使用的嵌入式文件系统,并在嵌入式操作系统μC/OS-Ⅱ中实现。文件系统具有耗损平衡、垃圾回收、断电恢复、支持多任务的特性。其代码精简,占用系统资源少,执行效率高,有较高的安全性和可靠性,对于使用Flash作为存储介质的嵌入式系统具有一定的普适性。     

基于颜色特征的嵌入式液态试剂检测系统的 设计与实现①

设计并实现了基于颜色特征的嵌入式液态试剂检测系统。该系统以嵌入式微处理器为核心,使用CCD摄像头采集检测图像,通过图像中的颜色特征拟合液态试剂的浓度数据。图像采集功能实现和彩色图像处理算法设计是系统设计的重点。最后以一组DNA含量检测对本图像检测系统的可行性进行了验证。     

基于颜色特征的嵌入式液态试剂检测系统的 设计与实现①

设计并实现了基于颜色特征的嵌入式液态试剂检测系统。该系统以嵌入式微处理器为核心,使用CCD摄像头采集检测图像,通过图像中的颜色特征拟合液态试剂的浓度数据。图像采集功能实现和彩色图像处理算法设计是系统设计的重点。最后以一组DNA含量检测对本图像检测系统的可行性进行了验证。     

利用OpenCV实现在Android系统下的人脸检测

本文提出一种基于开源计算机视觉库 OpenCV（Open Source Computer Vision）实现 Android 系统下人脸检测的方法。简单介绍了开发环境搭建以及利用 Android 程序框架实现此应用程序的过程,同时详细阐述了利用 JNI（Java Native Interface）调用 OpenCV 相关函数的具体步骤,以及采用 Android NDK（Native Development Kit）生成共享库的关键过程。实验结果表明此 Android 应用程序人脸检测功能性能良好。