多特征融合的人脸检测①

提出了一种基于多特征融合的人脸检测新方法。该方法首先用肤色分析算法对图像进行肤色分割,得到人脸区域的初步结果;然后根据灰度特征图像用基于GA的方法找到多个模板的人脸区域;最后用基于Adaboost多模板融合算法形成最终检测结果。通过实验表明,该方法与传统方法相比,识别率得到明显提高。     

一种基于多分量信息融合的人脸检测方法

人脸检测是全自动人脸识别系统和许多监视系统的基础,在许多领域有着广泛的应用。文章提出了一种基于多分量信息融合的人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;建立眼睛颜色模型,并根据眼睛﹑嘴在不同分量上的分布特征,将它们提取出来;最后融合眼睛﹑嘴候选区域的信息,利用特征不变的方法进行人脸的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼﹑嘴的位置。     

一种基于多特征融合的二维人脸欺诈检测方法

针对当前人脸识别系统易受欺诈攻击的问题,提出一种基于图像分析的人脸欺诈检测方法。该方法融合了LBP、Gabor小波及像素特征,通过非线性SVM分类器区分人脸和欺诈图像。相较于现有人脸欺诈检测方法,该方法无需用户配合,具有很强的实用性。此外,提出的融合纹理特征也适用于人脸识别,为处理人脸欺诈检测和人脸识别提供了一个独特的特征空间。实验结果表明,该方法优于现有的人脸欺诈检测方法,具有更高的识别准确率。     

基于多特征融合的轻量化无锚人脸检测方法

针对大多数基于深度卷积网络的人脸检测方法存在因模型参数和计算量大造成的检测速度慢,以及复杂场景下人脸检测准确率低的问题,提出一种基于多特征融合的轻量化无锚人脸检测方法。构造轻量化卷积神经网络作为特征提取的骨干网络,以加速网络计算过程;引入三种模块处理并融合特征层,包括：感受野增强模块强化图片信息提取、权重特征融合模块提升检测准确性以及通道混洗融合模块简化计算过程;使用中心点定位的无锚检测方法对融合后的特征进行预测。实验结果显示,该方法模型参数量仅为5.1?MB,对比该基准方法,在WIDERFACE验证集中的简单、中等和困难难度的检测准确率分别提升1.4、2.2和4.8个百分点,表明该方法在保证模型轻量化的同时对复杂场景人脸有着较高的检测精度,验证了所提方法的有效性。     

一种多层特征融合的人脸检测方法

由于姿态、光照、尺度等原因,卷积神经网络需要学习出具有强判别力的特征才能应对复杂场景下的人脸检测问题。受卷积神经网络中特定特征层感受野大小限制,单独一层的特征无法应对多姿态多尺度的人脸,为此提出了串联不同大小感受野的多层特征融合方法用于检测多元化的人脸;同时,通过引入加权降低得分的方法,改进了目前常用的非极大值抑制算法,用于处理由于遮挡造成的相邻人脸的漏检问题。在FDDB和WiderFace两个数据集上的实验结果显示,文中提出的多层特征融合方法能显著提升检测结果,改进后的非极大值抑制算法能够提升相邻人脸之间的检测准确率。     

一种基于多特征融合的彩色图像检索方法

提出了一种基于特征融合的图像检索方法。利用图像的HSV直方图特征建立图像颜色直方图,并采用直方图二次式距离公式取得图像相似性度量值;利用图像的纹理特征建立256维的LBP特征向量,并利用欧式距离取得相似性度量值;通过两特征融合的方法取得图像检索中关键图和检索图之间的相似度值,使得检索取得更好的效果。实验表明,在查准率和...     

一种改进的快速人脸检测算法

针对AdaBoost人脸检测算法易受到纹理干扰而造成误检的情况,提出了一种结合自适应肤色验证的快速人脸检测算法CMFS。该算法首先用运动检测为前置处理减小人脸检测搜索范围,然后用AdaBoost算法检测出人脸候选区,最后根据人脸候选区的平均亮度自适应地选择是否启用肤色验证作为后处理以排除虚警。实验结果表明,提出的CMFS检测算法在保证检测率的同时,提高了检测速度,并大大降低了误检率。     

一种基于特征模型的人脸检测方法

特征提取是基于特征的人脸检测的关键。提出了一种利用眼睛和鼻子的灰度特征和几何特征的人脸检测方法。选取眼睛和鼻子作为特征点,构造一个三角的特征模型。另外,此方法对候选特征图像采用逐步改变分块大小的方法进行搜索,得到独立的特征点,并利用人脸结构特点的先验知识建立模型的搜索策略。实验证明,此方法能迅速准确的从复杂背景中检测出人脸,而且对多人脸同样有效。     

基于级联框架下的多特征融合人脸检测算法

针对AdaBoost人脸检测方法在高分辨率彩色图像上定位速度慢和误检率高的问题,提出一种多特征融合的人脸检测方法。该方法使用级联策略将多种特征分类器有效地组合起来,高效地利用各种特征之间的互补性,形成一种新型的高性能分类器。实验结果显示,该方法提高了检测速度、降低了误检率。     

基于多特征融合的人脸活体检测算法

近年来,随着人脸识别系统的不断发展,各种假冒合法用户的欺骗手段不断出现.基于单一差异线索进行的活体检测,已经不能满足当前复杂环境下提高人脸活体检测方法性能的需求.基于此,文中提出多特征融合的方法,使用卷积神经网络从人脸图像的不同线索中学习多个特征来进行活体检测,深度图在空间上能够区分真假人脸之间的深度信息;光流图在时间上能够区分真假人脸之间的动态信息;残差噪声图根据真人脸的一次成像和假冒人脸的二次成像噪声成分的不同进行区分.文中融合3种特征,不仅利用空间、时间多维度线索弥补了单一线索的不足,同时也提高了模型的泛化能力.相比现有的方法,所提方法无论是在同一个数据库还是跨数据库的情况下,均有较好的实验结果.具体而言,所提方法在CASIA数据集、RE-PLAY-ATTACK数据集和NUAA数据集上的错误率分别为0.11％,0.06％和0.45％.     

一种基于特征融合的人脸识别新方法

提出了一种基于特征融合的人脸识别新方法。首先采用两种不同的K-L变换分别降低原始图像空间的维数，避开人脸识别小样本集的局限，然后利用复向量将同一样本的两组特征向量合并在一起，通过运用具有统计不相关性的复线性鉴别分析来抽取人脸图像的有效鉴别特征，最后在ORL人脸库上实验结果表明所提出的方法不仅识别性能优于经典的Fisherfaces，而且仅用14个特征识别率就达到96％。     

基于多特征融合的云平台异常检测方法

为了充分利用云平台不同子系统的多特征信息,进一步提升云平台异常检测精度,提出基于距离约束与解空间优化的多特征融合模型.在特征距离约束前提下,利用迭代法求解,使单一子系统训练误差之和最小,实现多特征自动融合并获得最优输出解,并引入高次幂系数避免模型退化.同时,该模型进一步拓展为增量模型,保证云平台数据实时计算.提出的特征融合模型可在降低高维特征信息间冗余的同时挖掘云平台多子系统互补、潜在知识,提升异常识别效果.基于开源框架OpenStack构建私有云平台,实时采集运行数据,验证提出异常检测模型的可行性,并对比现有方法获得更高的异常检测精度.     

基于眼睛特征的人脸检测方法*

由于眼球的灰度级较低,而眼球周围白色区域的灰度级较高,因此在其交界处灰度级产生强烈突变。利用这一特征先从图像中找出可能的眼睛对,定位可能的人脸区域,通过计算其对称性来确定各种人脸特征的存在,更进一步验证可能的人脸区域。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。     

一种基于Haar-Like T特征的人脸检测算法

文中提出一种基于Haar-Like T特征的人脸检测算法。 Haar-Like T特征是在Haar-Like特征的基础上的扩展,由于人脸五官分布的特殊性,在人脸模型上可以找到大量T字型结构特征。结合Haar-Like 矩形特征描述人脸纹理的原理,文中提出4种类似Haar-Like特征的Haar-Like T特征,并将这些Haar-Like T特征与现有的Haar-Like特征一起输入Adaboost分类器进行特征选择,最终构建出分类性能强大的级联分类器并用于人脸检测。人脸检测实验表明该算法的有效性和优越性,其与Haar-Like分类器、LBP分类器等传统的人脸检测分类器相比获得更好的效果。     

基于PCA方法的人脸特征提取和检测

本文介绍了PCA的原理,并利用了PCA方法完成了人脸的特征提取和人脸检测。     

基于PCA方法的人脸特征提取和检测

本文介绍了PCA的原理,并利用了PCA方法完成了人脸的特征提取和人脸检测。     

基于AdaBoost的人脸特征挑选与特征融合算法研究

针对人脸识别中的特征挑选和特征融合问题进行研究。结合已有的基于AdaBoost的人脸特征挑选方法,挑选出最具分类能力的特征,并将挑选出的多类人脸特征在特征层进行融合,得到一个统一的人脸特征用于模式分类。通过在FERET人脸库上的实验表明,其识别方法具有良好的识别效果。     

基于肤色和AdaBoost算法的人脸检测

本文介绍了一种将肤色信息和AdaBoost算法相结合的人脸检测方法。先用肤色分割法排除掉非肤色区域的干扰,然后用AdaBoost算法训练的分类器对肤色区域进行检测,该方法在保证检测率的同时,大大减少了目标区域的误检率,提高了人脸检测准确率。     

复杂背景下基于时间差分的人脸检测算法

本文主要结合序列图像的运动信息和肤色信息进行复杂背景下的人脸检测。首先利用连续三帧间的运动信息进行粗检测,采用自适应阈值法从差分图像中提取出运动区域,再对差分图像进行相与操作,限制搜索范围;然后利用人脸肤色信息,在YCbCr色彩空间内检测出肤色区域;最后利用人脸的几何特征信息对肤色区域作进一步验证,得到精确人脸。该方法综合了帧间和帧内的分析结果,实现简单、高效。实验证明,在复杂背景下对光照和其他噪声有较好的鲁棒性。     

一种基于可疑人脸区域发现的人脸检测方法

本文提出了一种基于可疑人脸区域发现的人脸检测算法,利用通常情况下眼睛区域比周围区域暗的事实发现可疑人脸区域,然后使用到特征空间的距离(DFFS)方法验证人脸。实验表明本算法具有较高的检测精确度。文中重点介绍了该人脸检测算法,给出了实验结果。