基于人眼定位的快速人脸检测及归一化算法

本文提出了一种基于人眼定位的有效人脸图像归一化算法。该算法首先利用Harr特征的快速检测法从图像中检测出人脸的大致位置,然后基于人脸的几何分布特征和灰度信息特征准确检测人眼瞳孔位置建立人脸坐标系,最后对人脸图像作旋转、尺度和灰度的归一化校正。实验结果证明,该算法能够有效并准确地检测和校正人脸,可以显著提高识别率。     

彩色人脸图像的自动渐变实现

提出一个彩色人脸图像的自动渐变系统,采用文中提出的多层Adaboost人脸检测算法优化多分辨率的ASM算法的初值,以提高人脸特征自动获取的效果。同时提出彩色灰度交叉融合的彩色图像渐变技术。实验结果表明,该系统能有效提高彩色人脸图片渐变效果的稳定性。     

复杂背景下人眼定位及人脸检测

人眼定位和人脸检测是人脸识别的重要环节，复杂背景下，人眼定位及人脸检测容易受到光照以及其它物体的影响。在没有检测到人脸的情况下，对原始图像用sobel算子得到灰度边缘图像，进而得到边缘灰度加强图像，估算分割双眼的阈值范围。对边缘灰度加强图像二值化后，结合人脸的几何特征以及双眼的二维相关系数自动确定双眼候选点，利用人脸模板检验双眼及人脸的真实性。大量实验结果表明，该算法在复杂背景下进行人眼定位及人脸检测是有效的。     

一种基于灰度图像的人脸检测及眼睛定位算法

利用灰度积分投影直接对人脸图像进行检测和眼睛定位是一种常用的算法,但是直接采用该算法会受到背景、特征等因素的影响,识别准确率较低。提出了一种基于最大类问方差阈值和区域膨胀相结合的检测与定位算法。该算法首先计算最大类间方差设置阈值,把灰度图像转换为二值图像并检测出人脸区域,然后通过对该人脸区域中的连通区域进行膨胀及连通性处理,精确定位眼睛坐标。实验表明,此算法可靠,具有较好的识别效果。     

基于SOFM的灰度图像彩色化算法

提出一种基于自组织特征映射(SOFM)的灰度图像彩色化算法。将彩色样本图像和灰度图像均转换到lαβ颜色空间,在 通道构造像素邻域的多维特征向量,将彩色样本图像的像素亮度特征向量作为网络的输入进行训练,利用SOFM的自组织特性建立像素特征向量与彩色信息值的对应关系,应用训练好的网络实现灰度图像的彩色化。实验结果表明,该算法的彩色化效果较已有算法有较大改善。     

复杂背景下基于肤色分割的人脸检测算法研究

针对复杂背景下的多姿态彩色人脸图像,提出了一种基于Adaboost级联分类器和模板匹配相结合的人脸检测算法.利用肤色信息对对图像中的皮肤区域和非皮肤区域进行分割,运用改进后的Adaboost方法定位可能的人脸区域.最后通过模板匹配的方法对检测到的人脸区域进行进一步验证,实现了彩色图像中更精确的人脸定位.在实验中从不同大小、背景、光照、表情和光源方向等方面对多姿态的人脸图像进行了检测,取得了很好的效果,表明了该算法的有效性和实用性.     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究;使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率;为此,提出一种基于数字图像处理技术的人脸检测算法;该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测;实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

融合皮肤色素分布特性及最佳尺度的毛孔检测及评价

面部毛孔特征是人脸识别、皮肤检测的重要指标之一.为了有效地消除其他皮肤特征对毛孔检测的影响,提出一种融合皮肤色素分布特性及最佳尺度的高精度毛孔检测算法.针对皮肤特征在不同色素层上的色素分布特性相异,首先根据皮肤特征显著性差异和K-means聚类为SURF和SIFT算法设置合理阈值检测不同色素层图像上的皮肤特征;然后引入欧氏距离描述不同色素层检测点的位置信息相似性,利用最佳尺度作为阈值有效地筛除非毛孔特征干扰项.在毛孔检测的基础上,利用SIFT算法中的最佳尺度构建了皮肤毛孔粗糙度评价指标.选取Bosphorus人脸库中的正脸图像进行毛孔检测及评价的对比实验,结果表明该算法提高了毛孔检测的准确度,构建的评价指标稳定有效.     

基于眼睛梯度对特征的人脸检测方法

该文提出了一种利用眼睛灰度变化梯度对特征来检测人脸的方法。在分析人脸图像中发现,眼球的灰度级较低,而眼球周围白色区域的灰度级较高,两个区域在其交界处灰度级产生强烈突变。该文利用图像灰度变化梯度值构造梯度和特性值,通过寻找相等的梯度和特性值来实现从图像中找出对应眼睛的位置,定位可能的人脸区域,再计算其对称性后确定人脸特征的存在,更进一步验证检测的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。     

基于结构和统计信息融合的人脸检测

人脸检测为人脸识别的第一步,是该项技术实用化必须解决的问题。本文提出了一种综合人脸结构和灰度统计特性的新的人脸检测算法。首先,在原始灰度图像上计算了各像素点的梯度方向对称性高的点为特征点,通过梯度幅值分割滤去了大部分孤立的非人脸部件的特征点,再运用一组规则对各个特征块进行组合得到候选人脸区域;然后运用隐马尔马可夫模型对这些侯选人脸的奇异值特征进行识别达到人脸检测的目的。实验表明,本文算法的有效性。     

融合双肤色模型及AdaBoost算法的人脸检测

为提高人脸检测的精度,提出一种融合双肤色模型与Adaboost算法的人脸检测方法。首先采用YCbCr颜色空间的固定阈值模型初次分割图像,利用分割结果修正高斯肤色模型的参数并对图像进行肤色二次分割,对两次分割的结果进行逻辑运算,粗定位人脸区域。结合Adaboost算法,实现对候选人脸区域的精确定位。实验结果表明,该方法提高了人脸检测率,降低了误检率,具有较好的鲁棒性。     

基于肤色和独立成分的人脸检测*

人脸检测是计算机视觉中非常活跃的研究课题,目前大多数人脸检测算法都是依靠灰度信息,而忽略了彩色信息。研究表明,肤色检测在诸多计算机视觉算法中,是一个重要的处理步骤。为了提高检测速度和性能,通过对肤色在H,S空间分布的分析,建立了新的肤色分割公式,并且在Aapo Hyvrinen和Erkki Oja［1］所提算法的基础上,提出了一种新的结合肤色和独立成分分析的人脸检测算法。实验结果表明了该算法的有效性。     

基于肤色和AdaBoost算法的彩色人脸图像检测

针对肤色检测对复杂背景下的图像误检率高和AdaBoost算法对多姿态、多人脸图像检测效果不理想的问题,将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合起来,提出一种新的人脸检测方法,即首先利用肤色和形态学操作分割肤色区域,再根据人脸区域的统计特性筛选出人脸候选区域,然后用AdaBoost级联分类器对候选区域扫描,以精确定位人脸.实验表明,该方法同时具有肤色检测正确率高与AdaBoost算法误检率低的优点,可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果.     

肤色相似度和动态阈值相结合的肤色分割技术

为了提高人脸检测的速度与性能,提出一种基于肤色相似度与动态阈值相结合的肤色分割方法。首先在YCgCr颜色空间计算肤色相似度,然后给出一种基于类间方差和类内离散度相结合的动态阈值确定方法,根据求得的动态阈值进行肤色分割,并对肤色分割后的二值图像进行滤除噪声处理。实验结果表明该方法改善了肤色分割性能,能够在复杂背景下实现肤色区域的精确分割,从而提高了人脸检测的速度和性能。     

基于CbCgCr椭球体似然平滑度的肤色分割

对于有色偏、高光和阴影的复杂背景彩色人脸图像,已有模型不能获得较理想的分割结果。为此,提出一种基于CbCgCr椭球体肤色似然平滑度的肤色分割算法。预处理人脸输入图,以消除色偏、高光和阴影,建立CbCgCr椭球体肤色模型,计算肤色似然平滑度,利用肤色似然平滑度粗分割肤色区域,并对其进行去噪处理,以获得肤色细分割图和细提取图。实验结果表明,对光照不均和背景复杂的人脸彩色图像,该算法的肤色分割准确性、鲁棒性和实时性较优。     

Hybrid-boost learning for multi-pose face detection and facial expression recognition

This paper proposes a hybrid-boost learning algorithm for multi-pose face detection and facial expression recognition. To speed-up the detection process, the system searches the entire frame for the potential face regions by using skin color detection and segmentation. Then it scans the skin color segments of the image and applies the weak classifiers along with the strong classifier for face detection and expression classification. This system detects human face in different scales, various poses, different expressions, partial-occlusion, and defocus. Our major contribution is proposing the weak hybrid classifiers selection based on the Harr-like (local) features and Gabor (global) features. The multi-pose face detection algorithm can also be modified for facial expression recognition. The experimental results show that our face detection system and facial expression recognition system have better performance than the other classifiers.     

基于肤色分割、区域分析和模板分布的人脸检测研究

提出了一种基于肤色分割、区域分析和模板分布的彩色图像人脸检测算法。首先对输入的彩色图像利用混合高斯模型和亮度模型进行分割,然后根据人脸五官的结构特征对得到的区域进一步分析处理,获得所有可能的候选人脸。接着构造了一种基于双眼和人脸模板的概率模型并利用其对候选人脸进行最终检测。实验结果表明,文章提出的算法具有较高的检测正确率和自适应能力;同时具有快速的检测速度。     

基于肤色分割和AdaBoost算法的彩色图像的人脸检测

文章提出了肤色分割和AdaBoost算法结合的人脸检测算法。首先,对彩色图像进行肤色分割,通过人脸肤色的统计特征得到候选人脸区域：然后,基于AdaBoost算法,使用由强分类器组成的级联分类器对候选人脸区域进行扫描,最终得到精确定位的人脸。实验证明,该方法具有肤色检测快速和AdaBoost算法误检率低的优点,可以有效的运用于多姿态、多人脸和复杂背景的情况。     

基于HSV色彩空间的自适应肤色检测

针对复杂背景彩色图像提出了一种基于HSV色彩空间的自适应肤色检测算法。该算法首先使用阈值在HSV空间对人体肤色区域进行肤色分割,然后对分割出的肤色区域使用相对重要性滤波和自适应区域归并,最后将归并后的肤色区域使用人眼定位进行验证,将多人脸检测转化为单人脸检测。实验结果表明,该算法复杂度较小,对光照变化具有很好的鲁棒性。     

基于Adaboost与肤色分割融合的驾驶员图像脸部检测

采用改进的基于Adaboost的人脸检测算法检测出可能存在的初始人脸区域,适当扩大初始人脸区域的面积,在此基础上,利用基于RGB颜色空间的肤色分割算法进行人脸区域的二次定位,根据定义的脸部区域重合度和人脸几何特征实现对脸部区域的精确融合检测。实验结果证实了该算法的鲁棒性和实时性。