基于Mega2560的人脸检测与定位跟踪

为了解决存在外界干扰的人脸的检测和准确定位与跟踪问题,避免过于依赖软技术造成的算法复杂性,采用软硬件结合的方式,基于Mega2560单片机、VS2008开发环境与OpenCV函数库,实现了人脸检测与准确定位与跟踪。首先,利用Haar-like特征法寻找出图像中的人脸特征矩形,通过AdaBoost算法生成级联分类器,实现人脸检测;然后,将图像显示窗口中心选为坐标原点,计算人脸位置,用线性变换的方法获取人脸位置偏差,进而转换成角度偏差发送给下位机Mega2560;最后,单片机根据接收到的角度偏差信息,控制摄像头使人脸始终在坐标原点位置,实现人脸的准确定位与跟踪。通过实验表明系统具有较好的稳定性和准确性。     

基于人脸检测的人数统计系统

提出一种基于人脸检测的人数统计方法。运用AdaBoost算法进行人脸检测,根据人脸在图像中出现的位置及大小等几何信息统计进入教室的人数。在系统实现中,通过人眼及肤色特征检测提高人脸检测精度,同时利用跳帧检测方法,排除由人员的不同行走速度造成的误差统计。实验结果证明,该方法具有较快的检测及统计速度。     

一种鲁棒的人脸特征定位方法

提出了一种基于AdaBoost算法和C-V方法的人脸特征定位方法。首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器;然后结合人脸边缘图像的先验规则,使用人脸检测器提取人脸区域;接着利用眼、鼻、嘴检测器从人脸区域中检测出人脸特征所在的矩形区域;最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓,进而得到人脸关键特征点的位置。在DTU IMM人脸测试集上,眼睛的检测率为100%,鼻子的检测率为95.3%,嘴巴的检测率为98.4%,提取出的特征点位置准确。实验结果表明方法是有效和鲁棒的。     

基于人脸特征和AdaBoost算法的多姿态人脸检测

基于人脸特征和AdaBoost算法,提出一种改进的多姿态人脸检测算法。首先利用肤色特征快速排除绝大部分背景区域,然后在肤色区域中搜索眼睛和嘴巴区域,根据眼睛和嘴巴区域的几何特征所确定的人脸方向分割出大致正向的人脸候选区域,最后利用AdaBoost算法对候选区域进行分类。实验表明,算法能实现多姿态人脸的快速检测,而且对脸部表情和遮挡有较强的鲁棒性。     

基于AdaBoost算法和色彩信息的脸部特征定位

针对脸部特征定位提出一种新型的基于Ada Boost算法和色彩信息的方法。首先用参考白光照补偿法对脸部区域进行光线补偿,然后用Ada Boost算法的级联分类器快速定位图像中的脸部区域,最后根据脸部肤色与脸部特征在色彩信息上的区别,建立眼部模型和嘴部模型,实现眼睛与嘴巴定位。实验结果表明,基于该方法的脸部特征定位具有较高检测率和实用性,同时嘴巴定位不易受到表情变化的影响。     

快速人脸检测与特征定位

人脸检测与特征定位是人脸分析技术的一个重要组成部分,其目标是在图像中搜索人脸特征(如眼、鼻、嘴、耳等)的位置。虽然人们可以毫不费力地完成这些工作,但对于机器来说,这依然是一件极其困难的任务。近几年来该项技术已有了长足的发展,已成功地应用于诸如人脸识别、姿态识别、表情识别、脸部动画等诸多领域。本文利用David Cristinace和Tim Cootes提出的一个多阶段人脸特征检测方法实现了一个实时人脸特征定位系统。同时也对原算法本身作了一些改进,在对精度影响极小的情况下,大大提高了原算法的速度。     

基于小波变换的人脸检测系统的实现

本文以Gabor小波变换理论为基础,采用模板匹配法定位人脸图像的眼睛,弹性匹配法对其余特征点进行搜索,最后利用弹性图簇的数据结构求得特征点的精确位置,提出了一种更优的人脸检测方法。通过MATLAB软件仿真结果表明,该方法能有效提高人脸的识别率。     

基于深度学习的人脸颜值评估系统

针对人脸颜值评估系统正确率和实时性低的问题,提出了一种基于深度学习的人脸颜值评估系统.该系统利用基于HOG特征的方法进行人脸检测,采用FaceNet预训练模型提取人脸特征值,提出基于Softmax分类层和ReLU回归层的双层决策模型,并结合人脸局部特征量化值进行人脸颜值评估.在SCUT-FBP5500数据集上进行实验,...     

基于改进AdaBoost的快速人脸检测算法

针对传统AdaBoost用于人脸检测时需要的特征数目多,检测速度慢的问题,提出一种基于改进AdaBoost的快速人脸检测算法。一方面,提出使用双阈值的弱分类器代替传统的单阈值弱分类器,提高单个特征的分类能力;另一方面,引入信息熵作为特征相关度的度量方法,在特征选择时每一轮循环中只选择与已选出特征相关度较低的特征,从而减少特征之间的冗余信息。实验结果表明,相对于传统AdaBoost人脸检测算法,该方法使用较少的特征即可达到较高的检测准确率,检测速度得到显著提高。     

一种快速而精确的多人脸检测与定位算法

根据由粗到精的思路，综合利用了眼睛器官的特征、人脸模板以及基于人脸区域象素分布的统计信息等线索．首先用基于AdaBoost学习算法的级联模型发现可疑人脸区域，然后在可疑人脸区域内发现可疑眼睛区域并组合可疑眼睛区域对得到候选人脸区域，最后用人脸模板验证候选人脸区域，精化人脸定位．实验表明．本算法能快速而精确地实现多人脸检测与定位，且对彩色图像和灰度图像都适用．     

通过创建虚拟样本的小样本人脸识别统计学习方法

研究了人脸识别方法．在传统的“特征脸”方法基础上，提出了一种基于贝叶斯方法的小样本人脸识别方法，该方法对于经过预处理的标准人脸图像，通过原型脸创建虚拟样本，扩充样本数量，然后用PCA降维并提取人脸图像的特征．对提取的特征用BEM算法学习该类样本的概率密度分布参数，构建贝叶斯混合网络分类器．该方法可以有效地解决统计学习方法中样本数量不足问题，提高小样本人脸识别方法的识别率，同样可以运用于模式识别中其它对象识别．实验表明，该方法能提高小样本人脸识别率，有实际应用价值。     

基于功能构件的软件复用方法

提出一种基于功能构件(FC)的软件复用方法,讨论所定义的功能构件的特点.以功能构件的设计思想为指导,设计了软件系统模型,建立了包括用户管理、用户操作稽核、权限管理、数据录入、电子数据导入、数据库管理维护和监控、界面风格控制、静态参数维护、数据查询、数据统计、工作流管理等功能构件的构件库,并用该复用方法完成了成本管理系统的开发.该复用方法可快速高效地实现新系统的搭建,能极大地节省软件开发的人力、物力投入,缩短开发周期,提高开发效率.     

基于局部特征在线学习的视频人脸识别

针对视频人脸识别实时性问题,提出一种基于局部特征在线学习的视频人脸识别方法。首先,从人脸任意关键点提取局部特征,采用投票算法挑选出每个簇的代表性特征;然后,进行学习过程,直到簇中人脸数目达到要求的最小值且人脸图像距其簇平均的最远距离低于一个阈值;最后,将检测到的视频帧按顺序与图库中所有个体的簇进行匹配,利用复合时序相似度度量完成人脸的识别。在一个有50个注册对象和20个未知者的数据库上进行在线识别实验,获得了97.8%的识别率。实验结果表明,相比其他几种视频人脸识别算法,该算法取得了更好的识别效果。     

基于Contourlet-NMF和SVM的近红外人脸识别方法

针对近红外人脸识别对表情和姿势变化缺乏足够鲁棒性的问题,提出一种基于Contourlet变换、非负矩阵分解NMF(Non-negative Matrix Factorization)与支持向量机(SVM)的近红外(NIR)人脸识别算法。该算法首先对NIR人脸图像进行Contourlet变换,接着用NMF进行分解,取其系数矩阵的一阶统计量作为特征数据,然后利用SVM进行分类与识别。实验结果表明,该算法具有较高的识别率,而且对人脸表情和姿势变化具有较强的鲁棒性。     

一个基于机器学习的神经网络初始化方法

本文针对ＢＰ前馈神经网络存在的训练时间长、容易陷入局部极小等问题，研究了一个基于机器学习的神经网络初始化方法。实验结果表明，用这种方法初始化神经网络，提高了神经网络的学习效率和泛化能力，并且可以有效地抑制陷入局部极小的可能性。     

基于BP神经网络的人脸识别方法

人脸自动识别是计算机模式识别领域的一个活跃课题,有着十分广泛的应用前景。文中提出了基于ＢＰ神经网络的人脸识别方法,论述了人脸图像矢量的特征压缩问题、网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值选取问题。对于１８人、每人１２幅图像组成的脸图像数据库做识别实验,实验结果表明文中所设计的神经网络分类器比常用的最近邻分类器有效地降低了识别错误率。     

基于边缘检测的人脸模拟画像检索

为配合刑事侦查工作和公安网上追逃的迫切需要,对人脸模拟画像的检索作初步研究.首先,根据网上追逃数据库中的人脸照片设计出一种半自动的归一化算法.其次,研究了人脸模拟画像和人脸照片的边缘检测方法,给出一种自适应的人脸照片边缘检测算法,从而得到三种用于人脸模拟画像检索的统计特征.最后,建立了人脸模拟画像检索的实验数据库,给出相似性量度,并对实验数据进行了分析.为构建实用的人脸模拟画像检索系统的开发提供了理论支持;对金盾工程的完善起到良好的促进作用.     

基于函数依赖的模式分解方法

模式分解是关系数据库逻辑设计中的难点,本文基于多年数据库系统设计和教学的经验,提出了基于函数依赖的方便可行的模式分解方法。     

基于差分图像和PCA主元分析的人脸检测

提出了一种基于差分图像和PCA(principle component analysis)主元分析的人脸检测算法,先对Anil K.Jain的Cb、Cr椭圆聚类方法给予改进,用改进的算法进行肤色提取,通过对肤色区域的分析,得到人脸候选区域,然后在这些可能的区域中运用特征脸进行细致的匹配,找出人脸的准确位置,然后利用马赛克模板排除虚假人脸.考虑到图像像素间的相关性,人脸特征提取同时对原始图像和其水平方向及垂直方向的差分图像进行PCA分析,从而提高了人脸检测的稳定性.     

基于局部线性嵌入极限学习机的人脸识别新方法

针对人脸图片数量多、容易受噪声干扰,致使人脸识别的识别速度慢、准确率低的问题,提出一种基于局部线性嵌入极限学习机的人脸识别方法——LLE-ELM算法。利用局部线性嵌入(LLE)算法对人脸数据提取特征,最大限度保留原数据的特征结构,减少数据量,降低计算复杂;采用极限学习机(ELM)算法对提取特征后的数据进行分类;实现人脸识别,输出识别准确率和时长。通过在ORL数据库、Yale数据库、AR人脸库和CASIA-WEBFACE人脸库上的数值实验表明:与PCA、SVM、CNN算法对比,该算法具有较高的识别准确率和较快的识别速度。